Классификация на основе решающих списков

function Ded_List = Dedicated_List_Train(B,C,l)
%B - эталонная матрица признак - текст           
%C - эталонный вектор текст - класс(в ячейке номер класса)
%l - макс число элементов в формуле
%Ded_List - выходной параметр (матрица с признаками для класса)
 
%максимальное число элементов в формуле
k_max = l; 
%максимальное значение полноты
r_max = 0.1; 
%b и гамма для вычисления f
b = 1;
g = 0;
%сколько всего классов
Count_Of_Class = max(C);
%k - количество признаков (слов);n - количество текстов
[k,n] = size(B); 
 
%если есть признак, то единица(не важно сколько раз он встретился)
B(B > 1) = 1;
 
%создадим матрицу, где строки - классы, столбцы - тексты
cl = sparse(C, 1:n, ones(1,n));
 
%матрица со списком признаков для каждого класса
List = zeros(Count_Of_Class,k_max);
 
%ПОКА БЕЗ ПРОВЕРКИ НА ТОЧНОСТЬ
for j = 1:Count_Of_Class
    %Тексты с признаками и в 1 классе
    B2 = B(:,find(cl(j,:)));
    for i = 1:k_max
        %смотрим список признаков и зануляем те, которые уже занесены туда
        if i ~= 1
            B2(List(j,i-1),:) = 0;
        end
 
        %матрица числителей для полноты и точности
        n11 = sum(B2');
 
        %точность
        p = n11 ./ sum(B');
 
        %полнота
        r = n11 ./ sum(cl(j,:));
 
        %F-мера
        F = (0.5*(p.^(-1) + r.^(-1))).^(-1);
 
        %значимая функция fq
        f = (1 + b + g) ./ ((b ./ p) + (1 ./ r) + (g ./ r));
 
        [~,List(j,i)] = max(f); 
    end
end
 
%преобразуем итоговый List
Ded_List = zeros(Count_Of_Class,k);
 
for i = 1:Count_Of_Class
    for j = 1:k_max
        Ded_List(i,List(i,j)) = 1;
    end
end
end

function cl = Dedicated_List(Ded_List,A)
%List - список правил после обучения
%А - матрица, которую классифицируем
 
[~,Count_Of_Text] = size(A);
%если есть признак, то единица(не важно сколько раз он встретился)
A(A > 1) = 1;
%матрица со значениями для каждого текста
ololo = Ded_List * A;
%вектор классов
cl = zeros(1,Count_Of_Text);
for i = 1:Count_Of_Text
    [~,cl(i)] = max(ololo(:,i));
end
end

function f = test( data, data_cl )
 
%сколько всего классов
Count_Of_Class = max(data_cl);
%длина списка
k_max = 10;
 
%словарь пар слов
%получили матрицу признаки*признаки, где в ячейке количество текстов, в
%которых встретились признаки i и j
data2 = data * data';
%убираем те признаки, которые только в одном тексте
data2(data2 <= 1) = 0;
%матрица симметричная, делаем ее верхнетреугольной, оставляя главную
%диагональ
data2 = triu(data2);
%вектора с такими признаками
[i,j] = find(data2);
%получаем список с двумя признаками. в строке хранятся номера двух
%признаков
spis = [i,j];
end

x=rand(2000000,2); %  генерация данных 2 000 000 * 2
n = hist3(x,[50 50]); % получаем гистограмму частот встречаемости с сеткой например 50*50
figure, contourf(n), colorbar;% рисуем полученные частоты встречаемости на сетке 50*50