matlab机器学习库

愿太阳照亮我

自带的机器学习库

meas:测试数据，一行代表一个样本，列代表样本属性，N*M

species:每个样本对应的类,N*1

kfoldLoos:交叉验证:确定样本训练后的模型的错误率

predict:测试集经分类模型处理后分到的类

knn分类器

knn = fitcknn(meas,species,'NumNeighbors',5);

CVMdl = crossval(knn);

kloss = kfoldLoss(CVMdl);

predict(knn,ones(1,size(meas,2)))

pca降维：主成分分析

//latent:特征值（从大到小),score特征向量

[coeff, score, latent, tsquared, explained] = pca(data);

//score即为从大到小排序后的特征矩阵，取前k列即为取样本最具代表性的k个属性

//explained即为每一列对应的影响力，所有列加起来为100

bp神经网络

命令行输入nntool

svm分类器

svm = fitcsvm(meas,species);

CVMdl = crossval(svm);

kloss = kfoldLoss(CVMdl);

朴素贝叶斯

naivebayes = fitcnb(meas, species);

nb = crossval(naivebayes);

kloss = kfoldLoss(nb);

决策树cart分类器

cart = fitctree(meas,species);

CVMdl = crossval(cart);

kloss = kfoldLoss(CVMdl);

随机森林分类器

b = TreeBagger(nTree,meas,species,'OOBPrediction','on');

rf = oobError(b);

kloss = rf(nTree,1);

集成学习方法

ada = fitensemble(meas,species,'AdaBoostM1',100,'Tree',

'Holdout',0.5);

kloss = kfoldLoss(ada,'mode','cumulative');

kloss = kloss(100,1);

matlab机器学习库

有监督学习

无监督学习

集成学习