Erik Cuevas Jiménez - Introducción al Machine Learning con MATLAB

Figura 1.7. Partes de la flor de iris.

A continuación, se muestran diferentes formas de visualizar las cuatro características (longitud del sépalo, ancho del sépalo, longitud del pétalo y ancho del pétalo) de 150 observaciones de las flores de iris. El cargado en memoria del conjunto de datos se realiza con el siguiente comando:

load fisheriris.mat

El comando carga en la memoria dos variables: la matriz llamada meas y una celda, species. La matriz meas tiene 4 columnas relativas a las características y 150 filas con las 150 observaciones registradas. La celda species tiene los nombres a la cual cada observación pertenece. En el algoritmo 1.5se carga el conjunto de datos de la flor de iris y despliegan todas las observaciones por característica. En la figura 1.8se grafican los valores de las 150 observaciones de las diferentes características del conjunto de datos:

% Autores: Erik Cuevas, Omar Avalos, Arturo Valdivia y Primitivo Díaz

% Se carga el conjunto de observaciones

load fisheriris.mat

% Se define cuántas observaciones tiene el conjunto de datos

N=size(meas,1);

% Se define el vector en el eje x

t=1:N

% Se grafican las observaciones en sus diferentes características

plot(t,meas)

legend('Long. sépalo','Ancho sépalo','Long. pétalo','Ancho pétalo')

Algoritmo 1.5. Ejemplo del uso de la función plot en MATLAB.

Figura 1.8. Gráfico de las 150 observaciones de flores de iris y sus 4 características.

Un histograma es una representación gráfica de observaciones agrupadas mediante intervalos, donde las observaciones son variables cuantitativas continuas. El histograma permite apreciar la manera en que se distribuyen las observaciones.

En el algoritmo 1.6se despliega el histograma de la característica 1 de todas las observaciones. El histograma se presenta en la figura 1.9:

% Autores: Erik Cuevas, Omar Avalos, Arturo Valdivia y Primitivo Díaz

% Se carga el conjunto de observaciones

load fisheriris.mat

% Se grafica el histograma de la característica 1

% del conjunto de datos de todas las observaciones

h=histogram(meas(:,1))

Algoritmo 1.6. Ejemplo del uso de la función histogram en MATLAB.

Figura 1.9. Histograma de la característica 1 de las observaciones.

Un diagrama de caja y bigotes, o simplemente un diagrama de caja, es un gráfico basado en cuartiles, mediante el cual se visualiza la distribución de un conjunto de datos. Está compuesto por un rectángulo «caja» y dos brazos «bigotes».

Figura 1.10. Partes del diagrama de caja.

Los diagramas de caja son una forma útil de graficar datos divididos en cuatro cuartiles, cada uno con igual cantidad de valores. Donde Q1 es la mediana de la mitad menor de los datos, Q2 es la mediana de todos los datos y Q3 es la mediana de la mitad mayor de los datos. Adicionalmente, el rango intercuartil (IRQ) es la diferencia entre Q3 y Q1. En el gráfico de caja, los valores atípicos son más pequeños o grandes que los extremos del diagrama de caja. En este, no se grafica la frecuencia ni se muestran las estadísticas individuales, pero en ellos podemos ver claramente dónde se encuentra la mitad de los datos. Constituye un buen diagrama para analizar la asimetría en los datos.

En el algoritmo 1.7se presentan los diagramas de caja de las características 1, 2, 3 y 4, que corresponden, respectivamente, a la longitud del sépalo (1), el ancho del sépalo, la longitud del pétalo y el ancho del pétalo. En la figura 1.11se muestran diagramas de caja con las características 1, 2, 3 y 4:

% Autores: Erik Cuevas, Omar Avalos, Arturo Valdivia y Primitivo Díaz

% Se carga el conjunto de observaciones

load fisheriris.mat

% Se genera y despliega el diagrama de caja

% por cada característica de las 150 observaciones

boxplot(meas)

Algoritmo 1.7. Ejemplo del uso de la función boxplot en MATLAB.

Figura 1.11. Diagramas de caja de las cuatro características de las observaciones a las flores de iris.

Los gráficos de dispersión se usan para trazar puntos de datos en un eje vertical y otro horizontal, mediante el que se trata mostrar cuánto afecta una variable a otra.

Cada fila del conjunto de datos representa una posición. Depende de sus valores en las columnas, que se establecen en los ejes de la característica X y la característica Y. Se pueden usar varias escalas en los ejes cuando se desea comparar varios indicadores con rangos de valor significativamente distintos.

La relación entre dos variables se llama «correlación». Si los indicadores forman una línea casi recta en el gráfico de dispersión, las dos variables tendrán una correlación alta. Si los indicadores se distribuyen de manera uniforme a lo largo del gráfico de dispersión, la correlación es baja o nula. Sin embargo, aunque parezca que existe una correlación entre variables, esto no siempre es así. La causa de una aparente correlación podría ser que dos variables se encuentren relacionadas con una tercera variable, lo que explicaría la variación.

En el algoritmo 1.8se comparan las primeras 40 observaciones contra las siguientes 40 observaciones de las características 1 y 2, dado que la función scatter necesita de un par de coordenadas. El diagrama de dispersión del algoritmo 1.8se presenta en la figura 1.12:

% Autores: Erik Cuevas, Omar Avalos, Arturo Valdivia y Primitivo Díaz

% Se carga el conjunto de observaciones

load fisheriris.mat

% Se genera y despliega el diagrama de dispersión entre las

% características 1 y 2 contemplando

% las observaciones de la 1-40

scatter(meas(1:40,1),meas(1:40,2))

% Se mantiene la gráfica anterior para encimar el siguiente gráfico

hold on

% Se genera y despliega el diagrama de dispersión entre las

% características 1 y 2 contemplando

% las observaciones de la 41-80

scatter(meas(41:80,1),meas(41:80,2))

Algoritmo 1.8. Ejemplo del uso de la función scatter en MATLAB.

Figura 1.12. Diagrama de dispersión de las características 1 y 2.

[1]B. Kaluza, Machine Learning in Java. 2016.

[2]F. Van der Heijden, R. P. W. Duin, D. De Ridder y D. M. J. Tax, Classification, Parameter Estimation and State Estimation: An Engineering Approach Using MATLAB. 2005.

[3]G. Ciaburro, Matlab for Machine Learning. Birmingham, Packtpub Publishing, 2017.

[4]G. Bonccorso, Machine Learning Algorithms. Birmingham, Packt Publishing, 2019.