MATLAB中的分类器

最新推荐文章于 2020-09-28 15:44:35 发布

转载最新推荐文章于 2020-09-28 15:44:35 发布 · 1.2k 阅读

文章标签：

#机器学习 #matlab

分类识别专栏收录该内容

15 篇文章

订阅专栏

本文介绍了MATLAB中常用的六种分类器：K近邻、随机森林、朴素贝叶斯、集成学习、鉴别分析和支持向量机。每种分类器都提供了训练和预测的基本用法，并展示了如何评估分类器的准确性。

原文链接：http://www.cnblogs.com/guyj/p/3640199.html

目前了解到的 MATLAB 中分类器有： K 近邻分类器，随机森林分类器，朴素贝叶斯，集成学习方法，鉴别分析分类器，支持向量机。现将其主要函数使用方法总结如下，更多细节需参考 MATLAB 帮助文件。
设
　　训练样本： train_data             % 矩阵，每行一个样本，每列一个特征
　　训练样本标签： train_label % 列向量
　　测试样本： test_data
　　测试样本标签： test_label

K 近邻分类器（ KNN ）
mdl = ClassificationKNN.fit(train_data,train_label,'NumNeighbors',1);
predict_label   =       predict(mdl, test_data);
accuracy        =       length(find(predict_label == test_label))/length(test_label)*100


随机森林分类器（ Random Forest ）
B = TreeBagger(nTree,train_data,train_label);
predict_label = predict(B,test_data);

朴素贝叶斯（ Na?ve Bayes ）
nb = NaiveBayes.fit(train_data, train_label);
predict_label   =       predict(nb, test_data);
accuracy         =       length(find(predict_label == test_label))/length(test_label)*100;

集成学习方法（ Ensembles for Boosting, Bagging, or Random Subspace ）
ens = fitensemble(train_data,train_label,'AdaBoostM1' ,100,'tree','type','classification');
predict_label   =       predict(ens, test_data);

鉴别分析分类器（ discriminant analysis classifier ）
obj = ClassificationDiscriminant.fit(train_data, train_label);
predict_label   =       predict(obj, test_data);

支持向量机（ Support Vector Machine, SVM ）
SVMStruct = svmtrain(train_data, train_label);
predict_label = svmclassify(SVMStruct, test_data)