目前了解到的 MATLAB 中分類器有： K 近鄰分類器，隨機森林分類器，樸素貝葉斯，集成學習方法，鑒別分析分類器，支持向量機。現將其主要函數使用方法總結如下，更多細節需參考 MATLAB? 幫助文件。
設
　　訓練樣本： train_data???????????? %? 矩陣，每行一個樣本，每列一個特征
　　訓練樣本標簽： train_label ? ? ? %? 列向量
　　測試樣本： test_data
　　測試樣本標簽： test_label
?
K 近鄰分類器 ? （ 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
???????????????
?
隨機森林分類器（ Random Forest ）
B = TreeBagger(nTree,train_data,train_label);
predict_label = predict(B,test_data);
?
?
樸素貝葉斯 ? （ 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;
?
?
集成學習方法（ Ensembles for Boosting, Bagging, or Random Subspace ）
ens = fitensemble(train_data,train_label,'AdaBoostM1' ,100,'tree','type','classification');
predict_label?? =?????? predict(ens, test_data);
?
?
鑒別分析分類器（ discriminant analysis classifier ）
obj = ClassificationDiscriminant.fit(train_data, train_label);
predict_label?? =?????? predict(obj, test_data);
?
?
支持向量機（ Support Vector Machine, SVM ）
SVMStruct = svmtrain(train_data, train_label);
predict_label ?= svmclassify(SVMStruct, test_data)

總結

以上是生活随笔為你收集整理的MATLAB中的分类器的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。