matlab机器学习库

自带的机器学习库

  • meas:测试数据,一行代表一个样本,列代表样本属性,N*M
  • species:每个样本对应的类,N*1
  • kfoldLoos:交叉验证:确定样本训练后的模型的错误率
  • predict:测试集经分类模型处理后分到的类

knn分类器

knn = fitcknn(meas,species,'NumNeighbors',5);
CVMdl = crossval(knn);
kloss = kfoldLoss(CVMdl);
predict(knn,ones(1,size(meas,2)))

pca降维:主成分分析

//latent:特征值(从大到小),score特征向量
[coeff, score, latent, tsquared, explained] = pca(data);
//score即为从大到小排序后的特征矩阵,取前k列即为取样本最具代表性的k个属性
//explained即为每一列对应的影响力,所有列加起来为100

bp神经网络

  • 命令行输入nntool

svm分类器

svm = fitcsvm(meas,species);
CVMdl = crossval(svm);
kloss = kfoldLoss(CVMdl);

朴素贝叶斯

naivebayes = fitcnb(meas, species);
nb = crossval(naivebayes);
kloss = kfoldLoss(nb);

决策树cart分类器

cart = fitctree(meas,species);
CVMdl = crossval(cart);
kloss = kfoldLoss(CVMdl);

随机森林分类器

b = TreeBagger(nTree,meas,species,'OOBPrediction','on');
rf = oobError(b);
kloss = rf(nTree,1);

集成学习方法

ada = fitensemble(meas,species,'AdaBoostM1',100,'Tree','Holdout',0.5);
kloss = kfoldLoss(ada,'mode','cumulative');
kloss = kloss(100,1);

matlab机器学习库

有监督学习

无监督学习

集成学习

  • 6
    点赞
  • 29
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“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 2
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