matlab决策树工具箱使用,Matlab自带的分类学习工具箱（SVM、决策树、Knn等分类器）...

在matlab中，既有各类分类器的训练函数，好比“fitcsvm”，也有图形界面的分类学习工具箱，里面包含SVM、决策树、Knn等各种分类器，使用很是方便。接下来说讲如何使用。web

启动：

点击“应用程序”，在面板中找到“Classification Learner”图标点击即启动，也能够在命令行输入“classificationlearner”，回车，也可启动。以下图：session

导入数据：

点击“New Session”，能够从工做空间或文件中导入数据。选择数据后，导入分为三步：svg

第一步，肯定你的数据格式，这里导入的数据是一个矩阵，既有样本输入也有对应的输出。好比，我导入的数据data是3*3000的矩阵，3000个样本，每一个样本两个特征值，第三行是每一个样本对应的输出。这时我应该选择“Use row as variables”，若是数据格式为3000*3，则选择“Use column as variables”。

第二步，指定哪一行为“response”即输出响应，在本数据中，第三行为输出，其他为“predictor”。

第三步，是否须要验证，通常都选择交叉验证“Cross Validation”，folds表示几回，本身选择便可。

函数

肯定后，点击“start session”。工具

选择分类器：

以下图，原始数据的散点图会显示出来，因为这数据只有两维，所以能够所有显示在二维坐标中。若是你的数据多于两维，二维坐标系不能彻底显示每一维，你能够在右边红圈的X、Y下拉条中选择显示哪两维。学习

训练前能够选择训练的模型，点击红圈中的下拉箭头，能够看到各种训练模型，选择一个便可，也能够选择某一类的“ALL”，该类全部模型都会训练一遍。

选好模型后，点击“train”，开始训练。测试

训练结果：

训练结果显示在左边，每一个模型训练后的准确率都会显示出来，最高准确率会被标注，下面即为模型的信息。命令行

点击“Advance”能够设置模型的具体参数。点击“Confusion Matrix”能够查看混淆矩阵等。xml

点击“Export Model”能够将模型导出到工做空间，这样就能够利用模型来测试新的数据。也能够导出为代码，方便研究。blog