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。