成对相似性和样本排序
Pairwise Similarity and Sorting Samples
以下是我正在尝试解决的作业问题：
相似度矩阵的可视化。用四维向量（萼片长度、萼片宽度、花瓣长度、花瓣宽度）表示每个样本。对于每两个样本，计算它们的成对相似度。您可以使用欧几里得距离或其他度量来这样做。这导致相似度矩阵，其中元素 (i,j) 存储样本 i 和 j 之间的相似度。请对所有样本进行排序，使同一类别的样本出现在一起。使用函数 imagesc() 或任何其他函数可视化矩阵。
这是我到目前为止编写的代码：
load('iris.mat'); % create a table of the data
iris.Properties.VariableNames = {'Sepal_Length' 'Sepal_Width' 'Petal_Length' 'Petal_Width' 'Class'}; % change the variable names to their actual meaning
iris_copy = iris(1:150,{'Sepal_Length' 'Sepal_Width' 'Petal_Length' 'Petal_Width'}); % make a copy of the (numerical) features of the table
iris_distance = table2array(iris_copy); % convert the table to an array
% pairwise similarity
D = pdist(iris_distance); % calculate the Euclidean distance and store the result in D
W = squareform(D); % convert to squareform
figure()
imagesc(W); % visualize the matrix
现在，我认为我的编码基本可以正确回答问题。我的问题是如何对所有样本进行排序，以便同一类别的样本一起出现，因为我在创建副本时去掉了名称。它是否已经通过转换为正方形进行了排序？其他建议？谢谢！
应该与原始数据顺序相同。虽然您可以在之后对其进行排序，但最简单的解决方案是在第 2 行之后和第 3 行之前按 class 对数据进行实际排序。
load('iris.mat'); % create a table of the data
iris.Properties.VariableNames = {'Sepal_Length' 'Sepal_Width' 'Petal_Length' 'Petal_Width' 'Class'}; % change the variable names to their actual meaning
% Sort the table here on the "Class" attribute. Don't forget to change the table name
% in the next line too if you need to.
iris_copy = iris(1:150,{'Sepal_Length' 'Sepal_Width' 'Petal_Length' 'Petal_Width'}); % make a copy of the (numerical) features of the table
考虑使用排序：
tblB = sortrows(tblA,'RowNames') sorts a table based on its row names. Row names of a table label the rows along the first dimension of the table. If tblA does not have row names, that is, if tblA.Properties.RowNames is empty, then sortrows returns tblA.
以下是我正在尝试解决的作业问题：
相似度矩阵的可视化。用四维向量（萼片长度、萼片宽度、花瓣长度、花瓣宽度）表示每个样本。对于每两个样本，计算它们的成对相似度。您可以使用欧几里得距离或其他度量来这样做。这导致相似度矩阵，其中元素 (i,j) 存储样本 i 和 j 之间的相似度。请对所有样本进行排序，使同一类别的样本出现在一起。使用函数 imagesc() 或任何其他函数可视化矩阵。
这是我到目前为止编写的代码：
load('iris.mat'); % create a table of the data
iris.Properties.VariableNames = {'Sepal_Length' 'Sepal_Width' 'Petal_Length' 'Petal_Width' 'Class'}; % change the variable names to their actual meaning
iris_copy = iris(1:150,{'Sepal_Length' 'Sepal_Width' 'Petal_Length' 'Petal_Width'}); % make a copy of the (numerical) features of the table
iris_distance = table2array(iris_copy); % convert the table to an array
% pairwise similarity
D = pdist(iris_distance); % calculate the Euclidean distance and store the result in D
W = squareform(D); % convert to squareform
figure()
imagesc(W); % visualize the matrix
现在，我认为我的编码基本可以正确回答问题。我的问题是如何对所有样本进行排序，以便同一类别的样本一起出现，因为我在创建副本时去掉了名称。它是否已经通过转换为正方形进行了排序？其他建议？谢谢！
应该与原始数据顺序相同。虽然您可以在之后对其进行排序，但最简单的解决方案是在第 2 行之后和第 3 行之前按 class 对数据进行实际排序。
load('iris.mat'); % create a table of the data
iris.Properties.VariableNames = {'Sepal_Length' 'Sepal_Width' 'Petal_Length' 'Petal_Width' 'Class'}; % change the variable names to their actual meaning
% Sort the table here on the "Class" attribute. Don't forget to change the table name
% in the next line too if you need to.
iris_copy = iris(1:150,{'Sepal_Length' 'Sepal_Width' 'Petal_Length' 'Petal_Width'}); % make a copy of the (numerical) features of the table
考虑使用排序：
tblB = sortrows(tblA,'RowNames') sorts a table based on its row names. Row names of a table label the rows along the first dimension of the table. If tblA does not have row names, that is, if tblA.Properties.RowNames is empty, then sortrows returns tblA.