机器学习之分类器——Matlab中各种分类器的使用总结（随机森林、支持向量机、K近邻分类器、朴素贝叶斯等）

      Matlab中常用的分类器有随机森林分类器、支持向量机（SVM）、K近邻分类器、朴素贝叶斯、集成学习方法和鉴别分析分类器等。各分类器的相关Matlab函数使用方法如下：

首先对以下介绍中所用到的一些变量做统一的说明：

    train_data——训练样本，矩阵的每一行数据构成一个样本，每列表示一种特征

    train_label——训练样本标签，为列向量

    test_data——测试样本，矩阵的每一行数据构成一个样本，每列表示一种特征

    test_label——测试样本标签，为列向量

①随机森林分类器（Random Forest）

    TB=TreeBagger(nTree,train_data,train_label);

    predict_label=predict(TB,test_data);

②支持向量机（Support Vector Machine，SVM）

    SVMmodel=svmtrain(train_data,train_label);

    predict_label=svmclassify(SVMmodel,test_data);

③K近邻分类器（KNN）

    KNNmodel=ClassificationKNN.fit(train_data,train_label,'NumNeighbors',1);

    predict_label=predict(KNNmodel,test_data);

④朴素贝叶斯（Naive Bayes）

    Bayesmodel=Na