在MATLAB中围绕数据的椭圆

时间:2010-08-05 16:40:15

标签: matlab plot ellipse normal-distribution standard-deviation

我想在MATLAB中重现下图:

exampleee.png

有两类具有X和Y坐标的点。我想用一个带有一个标准偏差参数的椭圆围绕每个类,它决定了椭圆沿轴线走多远。

该图是使用其他软件创建的,我并不完全了解它是如何计算椭圆的。

这是我用于此图的数据。第1列是第2列 - 第X列,第3列 - 第Y列。我可以使用gscatter来绘制点。

A = [
    0   0.89287 1.54987
    0   0.69933 1.81970
    0   0.84022 1.28598
    0   0.79523 1.16012
    0   0.61266 1.12835
    0   0.39950 0.37942
    0   0.54807 1.66173
    0   0.50882 1.43175
    0   0.68840 1.58589
    0   0.59572 1.29311
    1   1.00787 1.09905
    1   1.23724 0.98834
    1   1.02175 0.67245
    1   0.88458 0.36003
    1   0.66582 1.22097
    1   1.24408 0.59735
    1   1.03421 0.88595
    1   1.66279 0.84183
];

gscatter(A(:,2),A(:,3),A(:,1))

仅供参考,here是关于如何绘制椭圆的SO问题。所以,我们只需知道绘制它的所有参数。


更新

我同意可以将中心计算为X和Y坐标的平均值。可能我必须对每个类使用主成分分析(PRINCOMP)来确定角度和形状。还在想......

3 个答案:

答案 0 :(得分:17)

考虑代码:

%# generate data
num = 50;
X = [ mvnrnd([0.5 1.5], [0.025 0.03 ; 0.03 0.16], num) ; ...
      mvnrnd([1 1], [0.09 -0.01 ; -0.01 0.08], num)   ];
G = [1*ones(num,1) ; 2*ones(num,1)];

gscatter(X(:,1), X(:,2), G)
axis equal, hold on

for k=1:2
    %# indices of points in this group
    idx = ( G == k );

    %# substract mean
    Mu = mean( X(idx,:) );
    X0 = bsxfun(@minus, X(idx,:), Mu);

    %# eigen decomposition [sorted by eigen values]
    [V D] = eig( X0'*X0 ./ (sum(idx)-1) );     %#' cov(X0)
    [D order] = sort(diag(D), 'descend');
    D = diag(D);
    V = V(:, order);

    t = linspace(0,2*pi,100);
    e = [cos(t) ; sin(t)];        %# unit circle
    VV = V*sqrt(D);               %# scale eigenvectors
    e = bsxfun(@plus, VV*e, Mu'); %#' project circle back to orig space

    %# plot cov and major/minor axes
    plot(e(1,:), e(2,:), 'Color','k');
    %#quiver(Mu(1),Mu(2), VV(1,1),VV(2,1), 'Color','k')
    %#quiver(Mu(1),Mu(2), VV(1,2),VV(2,2), 'Color','k')
end

screenshot


修改

如果您希望椭圆表示特定的标准偏差水平,那么正确的做法是缩放协方差矩阵:

STD = 2;                     %# 2 standard deviations
conf = 2*normcdf(STD)-1;     %# covers around 95% of population
scale = chi2inv(conf,2);     %# inverse chi-squared with dof=#dimensions

Cov = cov(X0) * scale;
[V D] = eig(Cov);

OP_DATA

答案 1 :(得分:2)

我会尝试以下方法:

  1. 计算椭圆中心的x-y质心(linked question中的x,y)
  2. 计算线性回归拟合线以获得椭圆长轴(角度)的方向
  3. 计算x和y轴的标准偏差
  4. 翻译x-y标准偏差,使它们与拟合线(a,b)正交

答案 2 :(得分:1)

我假设在单个矩阵中只给出一组点,例如

B = A(1:10,2:3);

您可以为每个数据集重现此过程。

  1. 计算椭球的中心,这是点的平均值。 Matlab函数:mean
  2. 居中数据。 Matlab函数bsxfun
  3. 计算椭圆体的主轴及其各自的大小。 Matlab函数:eig
  4. 接下来的步骤如下所示:

    Center = mean(B,1);
    Centered_data = bsxfun(@minus,B,Center);
    [AX,MAG] = eig(Centered_data' * Centered_data);
    

    AX的列包含描述椭球主轴的向量,而MAG的对角线包含有关其大小的信息。 要绘制椭圆体,请使用其大小的平方根缩放每个主轴。

    希望这有帮助。

    一个。