MATLAB分类与预测算法函数

这篇博客介绍了MATLAB中用于分类与预测的几个关键函数:glmfit()用于广义线性回归,patternnet()构建模式识别神经网络,fitctree()构建二叉分类树,fitensemble()创建集成学习模型,fitNaiveBayes()则用于创建朴素贝叶斯分类器。文章详细讲解了每个函数的功能、使用格式及适用场景。
摘要由CSDN通过智能技术生成

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

评论
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