Question

以下是我要解决的作业中的问题：

可视化相似度矩阵。用四维向量表示每个样本（间隔长度，萼片宽度，花瓣长度，花瓣宽度）。对于每两个样本，计算它们的成对相似度。您可以使用欧几里德距离或其他指标来执行此操作。这导致了一个相似度矩阵，其中元素（i，j）存储了样本i和j之间的相似度。请对所有样本进行排序，以使同一类别的样本一起出现。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，我想我的编码基本上可以回答这个问题。我的问题是如何对所有样本进行排序，以使同一类别中的样本同时出现，因为在创建副本时我摆脱了名称。它已经通过转换为正方形进行排序了吗？还有其他建议吗？谢谢！

Answer 1

它应与原始数据的顺序相同。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行之前按类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

考虑使用排序行：

tblB = sortrows（tblA，'RowNames'）根据表的行名对表进行排序。表的行名称标记了沿表的第一维的行。如果tblA没有行名，即tblA.Properties.RowNames为空，则sortrows返回tblA。

成对相似性和排序样本

1 个答案: