MATLAB自带机器学习算法汇总

Matlab用于训练机器学习模型的函数主要分为三类：

1. 有监督学习
2. 无监督学习
3. 集成学习

1.有监督学习

类名	方法名	函数名	说明
线性回归	多元线性回归	fitlm	具有多个预测变量的线性回归
	逐步回归	stepwise	交互式逐步回归
	多目标的多元线性回归	mvregress	使用多变量输出的线性回归
	有正则化的多元线性回归	lasso	使用弹性网正则化的多元线性回归
		ridge	Ridge回归
非线性回归		fitnlm	拟合非线性回归模型
广义线性模型	正态分布拟合	fitglm	'Distribution' 设置为 'normal'
	二项分布拟合	fitglm	'Distribution' 设置为 'binomial'
	泊松分布拟合	fitglm	'Distribution' 设置为 'poisson'
	gamma分布拟合	fitglm	'Distribution' 设置为 'gamma'
	反高斯分布拟合	fitglm	'Distribution' 设置为 'inverse gaussian'
	进行变量选择的逐步回归	stepwiseglm	交互式逐步回归
	带有正则化的广义线性回归	lassoglm	使用弹性网正则化的广义线性回归
回归分类 决策树 （CART）	分类树	fitctree	训练分类二叉决策树
	回归树	fitrtree	训练回归二叉决策树
支持 向量机	二分类支持向量机	fitcsvm	训练二分类支持向量机分类
	多分类支持向量机	fitcecoc	适用SVM或其他分类器的多类模型
判别分析		fitcdiscr	拟合判别分析分类器
朴素贝叶斯分类器		fitcnb	训练朴素贝叶斯分类
最近邻	k-近邻	fitcknn	拟合k-近邻分类器

2.无监督学习

类名	方法名	函数名	说明
分层聚类	通过聚类树进行聚类	cluster	返回聚类后各样本类别
	通过数据进行聚类	clusterdata	返回聚类后各样本类别
	分成聚类树	linkage	训练分层聚类树
通过距离聚类	K-means聚类	kmeans
	K-medoids聚类	kmedoids
最近邻	全局最近邻搜索	ExhaustiveSearcher	准备全局最近邻居搜索
	KD树搜索	KDTreeSearcher	生成KD树
		createns	使用KD树搜索
	KNN搜索	knnsearch	使用Kd-tree或全局k-最近邻搜索
	范围搜索	rangesearch	使用全局与Kd-tree查找指定范围的近邻
高斯混合模型	高斯混合模型	fitgmdist	拟合高斯混合模型
	基于高斯混合模型的聚类	cluster	生成基于高斯混合模型的聚类
隐马尔可夫模型	估计隐马尔可夫模型	hmmtrain	通过观测估计隐马尔科夫模型参数
		hmmestimate	通过状态和观测估计参数
	生成观测序列	hmmgenerate	生成隐马尔可夫模型状态和观测
	最可能状态路径	hmmviterbi	计算最可能的状态路径
	后验状态概率	hmmdecode	计算隐马尔可夫模型后验状态概率

3.集成学习

类名	方法名	函数名	说明
Boosting	二分类：AdaBoostM1	fitensemble	'Method' 配置为 'AdaBoostM1'
	二分类：LogitBoost	fitensemble	'Method' 配置为 ' LogitBoost'
	二分类：GentleBoost	fitensemble	'Method' 配置为 ' GentleBoost'
	二分类：RobustBoost	fitensemble	'Method' 配置为 ' RobustBoost'
	多分类： AdaBoostM2	fitensemble	'Method' 配置为 ' AdaBoostM2'
	多分类： LPBoosts	fitensemble	'Method' 配置为 ' LPBoosts'
	多分类：TotalBoost	fitensemble	'Method' 配置为 ' TotalBoost'
	多分类：RUSBoost	fitensemble	'Method' 配置为 ' RUSBoost'
	回归：LSBoost	fitensemble	'Method' 配置为 'LPBoost'
	提升二分类为多分类模型	fitcecoc	基于二分类模型训练多分类模型
Bagging（多分类或回归）		fitensemble	'Method' 配置为 'Bag'
随机子空间（多分类或回归）		fitensemble	'Method' 配置为 'Subspace'