mul matlab,[转载]Matlab boxplot for Mul
由于
命令
格式如下
:产生矩阵X的每一列的盒图和“须”图,“须”是从盒的尾部延伸出来,并表示盒外数据长度的线,如果“须”的外面没有数据,则在“须”的底部有一个点。
www.iLoveMatlab.cn
:当notch=1时,产生一凹盒图,notch=0时产生一矩箱图。
:sym表示图形符号,默认值为“+”。
%当vert=0时,生成水平盒图,vert=1时,生成竖直盒图(默认值vert=1)。
Matlab中文论坛
%whis定义“须”图的长度,默认值为1.5,若whis=0则
画图步骤:
1、画数轴,度量单位大小和数据批的单位一致,起点比最小值稍小,长度比该数据批的全距稍长。
2、画一个矩形盒,两端边的位置分别对应数据批的上下四分位数(Q1和Q3)。在矩形盒内部中位数(Xm)位置画一条线段为中位线。
3、在Q3+1.5IQR(四分位距)和Q1-1.5IQR处画两条与中位线一样的线段,这两条线段为异常值截断点,称其为内限;在F+3IQR和F-3IQR处画两条线段,称其为外限。处于内限以外位置的点表示的数据都是异常值,其中在内限与外限之间的异常值为温和的异常值(mild
outliers),在外限以外的为极端的异常值(extreme outliers)。
4、从矩形盒两端边向外各画一条线段直到不是异常值的最远点,表示该批数据正常值的分布区间。
5、用“〇”标出温和的异常值,用“*”标出极端的异常值。相同值的数据点并列标出在同一数据
线位置上,不同值的数据点标在不同数据线位置上。至此一批数据的
例子1:
clear
x1=[1,2,2,3,5,3];
x2=[2,5,4,5,8,6];
g1={x1,x2};
%group2
x3=[2,8,9,2,1,6];
x4=[5,4,3,22,11,6];
g2={x3,x4};
%group3
x5=[10,12,22,4];
x6=[12,15,4,25];
g3={x5,x6};
G=cat(1,g1,g2,g3);
class={1,2,3}
positions =
[1 1.25 2 2.25 3 3.25];
boxplot(G,class,
'positions', positions);
set(gca,'xtick',[mean(positions(1:2))
mean(positions(3:4)) mean(positions(5:6)) ])
set(gca,'xticklabel',{'Group1','Group2','Group3'})
color =
['c', 'y', 'c', 'y'];
h =
findobj(gca,'Tag','Box');
for
j=1:length(h)
patch(get(h(j),'XData'),get(h(j),'YData'),color(j),'FaceAlpha',.5);
end
c = get(gca,
'Children');
hleg1 =
legend(c(1:2), 'Feature1', 'Feature2' );
例2:
数据:BoxPlotData.mat,包含X4058_300和X4058_400两个变量数据
X4058_300=[
0.6010
0.6847 0.6798 0.6700 0.6059 0.6749 0.6453 0.6502 0.6847 0.6700
0.5813 0.6404 0.6749 0.6749 0.6650 0.6502 0.6749 0.6305 0.6355
0.7143;
0.6207
0.6650 0.6847 0.6749 0.5961 0.6601 0.6404 0.6700 0.6946 0.6897
0.6059 0.6749 0.6650 0.6749 0.6453 0.6502 0.6700 0.6256 0.6256
0.6995 ;
0.6601
0.6700 0.7340 0.7044 0.6355 0.7241 0.6798 0.6897 0.7094 0.6946
0.6256 0.6798 0.7044 0.7389 0.6700 0.6749 0.7143 0.6650 0.6059
0.6502;
0.7291
0.6108 0.7192 0.7537 0.5862 0.6355 0.6010 0.7143 0.6946 0.6897
0.6453 0.7685 0.7635 0.6404 0.7094 0.7143 0.6108 0.6552 0.7389
0.6897;
0.7044
0.7044 0.7044 0.6847 0.7143 0.6700 0.6650 0.7438 0.7143 0.7143
0.6601 0.6502 0.6995 0.7586 0.7488 0.6897 0.6700 0.6946 0.6897
0.6897;
0.6355
0.6847 0.7291 0.7143 0.6700 0.7438 0.6700 0.6650 0.7192 0.7044
0.6355 0.6847 0.6749 0.7094 0.6798 0.6453 0.7241 0.6946 0.6108
0.6700 ]
X4058_400
=[
0.5922
0.6408 0.6408 0.5825 0.6505 0.6796 0.6214 0.6796 0.6311 0.6505
0.5825 0.6699 0.6602 0.6602 0.7282 0.6602 0.6699 0.7087 0.6505
0.6505 ;
0.6117
0.6311 0.6602 0.6117 0.6505 0.6796 0.6214 0.6990 0.6990 0.6311
0.5922 0.6796 0.6699 0.6408 0.7184 0.6505 0.6602 0.7087 0.6214
0.6796;
0.6311
0.7184 0.7573 0.6893 0.6311 0.6990 0.6408 0.7087 0.7379 0.6990
0.6699 0.7184 0.6699 0.6699 0.7184 0.6893 0.6699 0.6990 0.6214
0.6990;
0.6602
0.6311 0.7379 0.6408 0.5922 0.7282 0.5728 0.7087 0.7379 0.7379
0.5728 0.7767 0.7476 0.6214 0.7476 0.6214 0.7379 0.6893 0.6019
0.6699 ;
0.6214
0.7476 0.6311 0.6699 0.6699 0.6311 0.6214 0.6699 0.6796 0.6505
0.5922 0.6796 0.7184 0.6893 0.8058 0.6699 0.6602 0.7184 0.6796
0.6796 ;
0.6117
0.6893 0.7282 0.6602 0.7573 0.7379 0.6408 0.7184 0.7087 0.7087
0.6990 0.6796 0.6214 0.6311 0.7573 0.6602 0.7379 0.6796 0.6796
0.7282 ;]
Matlab程序:
clear
load
BoxPlotData
x01=X4058_300;
x02=X4058_400;
x1 =
[x01(1,:);x02(1,:)]';
x2 =
[x01(2,:);x02(2,:)]';
x3 =
[x01(3,:);x02(3,:)]';
x4 =
[x01(4,:);x02(4,:)]';
x5 =
[x01(5,:);x02(5,:)]';
x6 =
[x01(6,:);x02(6,:)]';
f=figure(1)
x =
[x1;x2;x3;x4;x5;x6]; x = x(:);
g1 =
[ones(size(x1)); 2*ones(size(x2));
3*ones(size(x3));4*ones(size(x4));...
5*ones(size(x5));6*ones(size(x6));]; g1 =
g1(:);
g2 =
repmat(1:2,120,1); g2 = g2(:);
positions =
[[1:6],[7:12]];
bh=boxplot(x,
{g2,g1},'notch','on','whisker',1,'colorgroup',g1, 'factorgap',[8
1],'symbol','.','outliersize',4,'widths',0.6,'positions',positions)
xlabel('Training data
size');
ylabel('Mean
zero-one error')
grid
on
set(gca,'YLim',[0.45,0.85],'gridLineStyle',
'-.');
set(bh,'linewidth',1.2);
color =
['c', 'y', 'g', 'b','o', 'b','c', 'y', 'g', 'b','o',
'b'];
h =
findobj(gca,'Tag','Box');
mk=findobj(gca,'tag','Outliers');
% Get handles for outlier lines.
set(mk,'Marker','o'); %
Change symbols for all the groups.
for
j=1:length(h)/2
patch(get(h(j),'XData'),get(h(j),'YData'),color(4),'FaceAlpha',0.01*j);
end
for
j=(length(h)/2+1):length(h)
patch(get(h(j),'XData'),get(h(j),'YData'),color(4),'FaceAlpha',0.01*(j-length(h)/2));
end
set(gca,'xtick',[7.5])
%
set(gca,'xtick',[]);
set(gca,'XTickLabel',{'
'})
% Create
textbox
annotation(f,'textbox',...
[0.3 0.075 0.035 0.075],...
'String',{'300'},...
'FitBoxToText','off',...
'EdgeColor','none');
% Create
textbox
annotation(f,'textbox',...
[0.7 0.075 0.035 0.075],...
'String','400',...
'FitBoxToText','off',...
'EdgeColor','none');
该文清晰版本可见:
mul matlab,[转载]Matlab boxplot for Mul相关推荐
- parrallel for matlab,[转载]MATLAB并行计算工具箱 -- Paralleln
龙泉居士基于文档原创,转载请注明 Parallel Computing Toolbox是一个matlab2011开始提供的组件,用于提供交互式的并行计算功能 一.运用的场合 很多应用程序中包含多个重复 ...
- 天空之城 matlab,[转载]matlab演奏《天空之城》代码
%matlab演奏<天空之城>代码 l_dao=262; %将"l_dao"宏定义为低音"1"的频率262Hz l_re =286; %将" ...
- 求噪声功率 MATLAB,[转载]matlab中噪声功率、噪声方差关系
以matlab中awgn函数为例说明: 在matlab中无论是wgn还是awgn函数,实质都是由randn函数产生的噪声.即:wgn函数中调用了randn函数,而awgn函数中调用了wgn函数. 根据 ...
- 混沌pso matlab,[转载]MATLAB-PSO工具箱
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%% PSO工具箱函数 %%%%%%%%%%%%%%% pso PSO主程序 pso ...
- matlab作动态函数曲线图,[转载]Matlab中使用Plot函数动态画图方法总结
本帖最后由 sonictl 于 2012-12-31 12:18 编辑 请删除我 清楚超靠靠靠 没办法,一会儿限制这不能发表,那不能发表的.... [转载]Matlab中使用Plot函数动态画图方法总 ...
- matlab制作动画并保存,[转载]Matlab中动画的实现、制作和保存(转载Matlab技术论坛)...
Matlab中动画的实现.制作和保存(转载Matlab技术论坛) 本帖由Matlab技术论坛原创,原帖参见 http://www.matlabsky.com/thread-592-1-1.html 光 ...
- matlab surf颜色,科学网[转载]matlab中控制mesh或者surf的颜色
科学网[转载]matlab中控制mesh或者surf的颜色 曲面的顏色越发柔順滑腻,del2 (Z) 根據數值微分來產生矩陣 Z 的 discrete Laplacian, Y,surf 及 mesh ...
- matlab如何制作振型动画_Matlab中动画的实现、制作和保存(转载Matlab技术论坛)
Matlab中动画的实现.制作和保存(转载Matlab技术论坛) 本帖由Matlab技术论坛原创,原帖参见 http://www.matlabsky.com/thread-592-1-1.html 光 ...
- matlab转变图像位深,[转载]matlab 图像处理命令 (转)
图像增强 1. 直方图均衡化的 Matlab 实现 1.1 imhist 函数 功能:计算和显示图像的色彩直方图 格式:imhist(I,n) imhist(X,map) 说明:imhist(I,n) ...
最新文章
- 微软重新释出MS10-015 解决蓝屏问题
- html overflow隐藏滚动条,css 之内容溢出滚动,隐藏滚动条
- 百度Create大会:百度AI安全研究的进展与愿景
- @RequestParam 绑定List参数
- 如何在 ASP.NET Core 中使用 NLog 的高级特性
- java继承中的 equals + hashCode+toString
- 798B. Mike and strings
- Python next 函数 - Python零基础入门教程
- Python len函数 - Python零基础入门教程
- Nginx(二):安装、配置、常用命令
- mongoose-面向对象操作mongodb的Nodejs框架
- css改变滚动条样式
- 备份有困难?Oracle DBA详述RMAN备份
- 使用Red Hat Enterprise Linux的实时内核
- 程序员必看书籍之二:编程语言实现模式
- 弥散张量分析开源软件 DSI Studio 简体中文汉化版可以下载了
- android canvas 教程,Android Canvas drawLine
- 马翔:联想双态IT 助力企业IT新变革
- 学会了C语言究竟能干什么呢?
- excel上下标录入技巧