irisマハラノビス2

以前にもマハラノビスとirisの記事を書いたけど、
前の記事見直すと分かりにくいし、いい記事を書いてくださった方がいたので。
コードを少し改修しています。

この記事

早速

train_index <- c(1:10)
train <- iris[train_index,]#setosaであれば受け入れる
test <- iris[-train_index,]#setosaも含むがはじきたいものも含んでいる

マハラノビス距離を求めるための分散共分散行列と列平均

## Training (setosa)
center <- apply(train[,1:4], 2, mean)
covar <- cov(train[,1:4])

#Calculate distance
test[1,1:4]
#   Sepal.Length Sepal.Width Petal.Length Petal.Width
#11          5.4         3.7          1.5         0.2
test[41,1:4]
#   Sepal.Length Sepal.Width Petal.Length Petal.Width
#51            7         3.2          4.7         1.4
test[91,1:4]
#    Sepal.Length Sepal.Width Petal.Length Petal.Width
#101          6.3         3.3            6         2.5

人間がこの数値だけ見ても何がどの種に該当するかわからない。
成長によるばらつきだってあるだろうし。

mahalanobis( test[1,1:4], center, covar ) #setosa
#     11 
#4.85708 
mahalanobis( test[41,1:4], center, covar ) #versicolor
#      51 
#1424.809 
mahalanobis( test[91,1:4], center, covar ) #virginica
#     101 
#3176.181 

setosaだけはマハラノビス距離が近いものであると判定されている。
判別できている

元記事ではヒストがあったがコードはなかったので以下。

colect<-mahalanobis( test[1:40,1:4], center, covar ) #setosa

fake_1<-mahalanobis( test[41:90,1:4], center, covar ) #versicolor

fake_2<-mahalanobis( test[91:140,1:4], center, covar ) #virginica

hist(fake_2,col="red",xlim=c(0,4900))
hist(fake_1,col="blue",add=T)
hist(colect,add=T)

setosaはほとんどすべてが0付近に集まっている。
他の種は離れている。
同じような特徴を持っている変数があっても、他の変数で差があれば検知できる。