MATLAB分类与预测算法函数

1、glmfit()

　　功能：构建一个广义线性回归模型。

　　使用格式：b=glmfit（X，y，distr），根据属性数据X以及每个记录对应的类别数据y构建一个线性回归模型，distr可取值为：binomial、gamma、inverse gaussian、normal（默认值）和poisson，分别代表不同类型的回归模型。

2、patternnet()　　

　　功能：构建一个模式识别神经网络。

　　模式识别神经网络是一个前馈神经网络，通过对已知含有标签的数据进行训练得到神经网络模型，从而可以对新的不含标签的数据进行分类。用于输入的标签数据需要进行特殊编码，即一个类别使用一个向量进行表示，比如一共有3个类别，那么类别1可以编码为[1，0，0]，类别3可以编码为[0，0，1]。

　　使用格式：net=patternnet（hiddenSizes，trainFcn，performFcn），构建一个隐含层神经元个数为hiddenSizes，模型函数为trainFcn，性能函数为performFcn的神经网络net。

　　主要的模型函数有：

　　Trainscg：使用标度共梯度算法更新权值和偏移值

　　Trainlm：使用LM算法更新权值和偏移值

　　Trainbr：使用LM算法更新权值和偏移值（贝叶斯正则化）

　　Trainrp：根据弹反向传播算法更新权值和偏移值

3、fitctree()

　　功能：构建一个二叉分类树，每个分支节点根据输人数据进行确定。

　　使用格式：tree=fitctree(x，y)，根据数据的属性数据x以及每个记录对应的类别