MATLAB中的分类器

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)