matlab分类器--学习笔记

参考链接： 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  每一行是一个提取量，每一列是维度 　　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)   个人尝试： matlab里面的osu-svm不全，SVM分类并不能用。 可以尝试用native Bayes的方法来分类。