MATLAB中classify函数的使用

具体的原理不懂,但是希望通过这个例子告诉自己怎么用这个函数

%training为训练数组


training=[0.056  0.084  0.031  0.038  0.0081  0.022;
               0.040  0.055  0.100  0.110  0.0220  0.0073;
  0.050  0.074  0.041  0.048  0.0071  0.020;
  0.045  0.050  0.110  0.100  0.0250  0.0063;
  0.038  0.130  0.079  0.170  0.0580  0.043;
  0.030  0.110  0.070  0.160  0.0500  0.046;
  0.034  0.095  0.058  0.160  0.200  0.029;
  0.030  0.090  0.068  0.180  0.220  0.039;
  0.084  0.066  0.029  0.320  0.012  0.041;
  0.085  0.076  0.019  0.300  0.010  0.040;
  0.064  0.072  0.020  0.250  0.028  0.038;
  0.054  0.065  0.022  0.280  0.021  0.040;
  0.048  0.089  0.062  0.260  0.038  0.036;
  0.045  0.092  0.072  0.200  0.035  0.032;
  0.069  0.087  0.027  0.050  0.089  0.021];

%group为已知的分类数组
group=[1;1 ;1 ;1 ;2 ;2 ;1; 1; 2 ;2 ;2 ;2 ;2 ;2 ;1];

%sample为待分类的数据
sample=[0.052  0.084  0.021  0.037  0.0071  0.022;
               0.041  0.055  0.110  0.110  0.0210  0.0073;
               0.030  0.112  0.072  0.160  0.056  0.021;
               0.074  0.083  0.105  0.190  0.020  1.000];
[class,err]=classify(sample,training,group,'mahalanobis')


输出结果为:

class =

 

       1 

       1

       2

       2


  • 4
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
Matlab,`classify`函数用于执行分类任务。下面是`classify`函数的用法和示例: 用法: ``` [label,score] = classify(sample,training,group) ``` 参数说明: - `sample`: 待分类的样本数据,可以是一个向量或矩阵。每一行表示一个样本,每一列表示一个特征。 - `training`: 训练集数据,可以是一个向量或矩阵。每一行表示一个训练样本,每一列表示一个特征。 - `group`: 训练集的标签,可以是一个向量或矩阵。每个元素表示相应训练样本的类别。 返回值说明: - `label`: 分类结果,是一个向量,每个元素表示相应样本的类别。 - `score`: 分类得分,是一个矩阵,每行表示一个样本在各个类别上的得分。 示例: ``` % 生成一个二元分类问题的数据 rng(1); % 设置随机种子 N = 100; % 样本数量 X = [randn(N,2)+2; randn(N,2)-2]; % 样本特征 y = [ones(N,1); -ones(N,1)]; % 样本类别 % 划分训练集和测试集 cv = cvpartition(length(y),'HoldOut',0.3); idxTrain = training(cv); idxTest = test(cv); % 训练分类器 XTrain = X(idxTrain,:); yTrain = y(idxTrain); mdl = fitcsvm(XTrain,yTrain); % 测试分类器 XTest = X(idxTest,:); yTest = y(idxTest); [label,score] = predict(mdl,XTest); % 统计分类结果 accuracy = sum(label==yTest)/length(yTest); fprintf('分类精度: %.2f%%\n',accuracy*100); ``` 这个示例,首先生成一个二元分类问题的数据集,然后使用`fitcsvm`函数训练一个支持向量机分类器,最后使用`predict`函数对测试集进行分类,并统计分类结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值