matlab自带各种分类器的使用示例
来源:互联网 发布:网络视频地址 编辑:程序博客网 时间:2024/05/17 08:45
目前了解到的MATLAB中分类器有:K近邻分类器,随机森林分类器,朴素贝叶斯,集成学习方法,鉴别分析分类器,支持向量机。现将其主要函数使用方法总结如下,更多细节需参考MATLAB 帮助文件。
设
训练样本:train_data % 矩阵,每行一个样本,每列一个特征
训练样本标签:train_label % 列向量
测试样本:test_data
测试样本标签:test_label
K近邻分类器 (KNN)
mdl = ClassificationKNN.fit(train_data,train_label,'NumNeighbors',1);
predict_label = predict(mdl, test_data);
accuracy = length(find(predict_label == test_label))/length(test_label)*100
随机森林分类器(Random Forest)
B = TreeBagger(nTree,train_data,train_label);
predict_label = predict(B,test_data);
朴素贝叶斯 (Na?ve Bayes)
nb = NaiveBayes.fit(train_data, train_label);
predict_label = predict(nb, test_data);
accuracy = length(find(predict_label == test_label))/length(test_label)*100;
集成学习方法(Ensembles for Boosting, Bagging, or Random Subspace)
ens = fitensemble(train_data,train_label,'AdaBoostM1' ,100,'tree','type','classification');
predict_label = predict(ens, test_data);
鉴别分析分类器(discriminant analysis classifier)
obj = ClassificationDiscriminant.fit(train_data, train_label);
predict_label = predict(obj, test_data);
支持向量机(Support Vector Machine, SVM)
SVMStruct = svmtrain(train_data, train_label);
设
训练样本:train_data
训练样本标签:train_label
测试样本:test_data
测试样本标签:test_label
K近邻分类器
mdl = ClassificationKNN.fit(train_data,train_label,'NumNeighbors',1);
predict_label
accuracy
随机森林分类器(Random Forest)
B = TreeBagger(nTree,train_data,train_label);
predict_label = predict(B,test_data);
朴素贝叶斯
nb = NaiveBayes.fit(train_data, train_label);
predict_label
accuracy
集成学习方法(Ensembles for Boosting, Bagging, or Random Subspace)
ens = fitensemble(train_data,train_label,'AdaBoostM1' ,100,'tree','type','classification');
predict_label
鉴别分析分类器(discriminant analysis classifier)
obj = ClassificationDiscrimina
predict_label
支持向量机(Support Vector Machine, SVM)
SVMStruct = svmtrain(train_data, train_label);
predict_label
我自己代码如下:
clcclear all load('wdtFeature'); % 训练样本:train_data % 矩阵,每行一个样本,每列一个特征% 训练样本标签:train_label % 列向量% 测试样本:test_data% 测试样本标签:test_label train_data = traindata' train_label = trainlabel' test_data = testdata' test_label = testlabel'% K近邻分类器 (KNN)% mdl = ClassificationKNN.fit(train_data,train_label,'NumNeighbors',1);% predict_label = predict(mdl, test_data);% accuracy = length(find(predict_label == test_label))/length(test_label)*100% % 94%% 随机森林分类器(Random Forest)% nTree = 5% B = TreeBagger(nTree,train_data,train_label);% predict_label = predict(B,test_data);% % m=0;% n=0;% for i=1:50% if predict_label{i,1}>0% m=m+1;% end% if predict_label{i+50,1}<0% n=n+1;% end% end% % s=m+n% r=s/100% result 50%% **********************************************************************% 朴素贝叶斯 (Na?ve Bayes)% nb = NaiveBayes.fit(train_data, train_label);% predict_label = predict(nb, test_data);% accuracy = length(find(predict_label == test_label))/length(test_label)*100;% % % % 结果 81%% % **********************************************************************% % 集成学习方法(Ensembles for Boosting, Bagging, or Random Subspace)% ens = fitensemble(train_data,train_label,'AdaBoostM1' ,100,'tree','type','classification');% predict_label = predict(ens, test_data);% % m=0;% n=0;% for i=1:50% if predict_label(i,1)>0% m=m+1;% end% if predict_label(i+50,1)<0% n=n+1;% end% end% % s=m+n% r=s/100% 结果 97%% **********************************************************************% 鉴别分析分类器(discriminant analysis classifier)% obj = ClassificationDiscriminant.fit(train_data, train_label);% predict_label = predict(obj, test_data);% % m=0;% n=0;% for i=1:50% if predict_label(i,1)>0% m=m+1;% end% if predict_label(i+50,1)<0% n=n+1;% end% end% % s=m+n% r=s/100% result 86%% **********************************************************************% 支持向量机(Support Vector Machine, SVM)SVMStruct = svmtrain(train_data, train_label);predict_label = svmclassify(SVMStruct, test_data)m=0;n=0;for i=1:50 if predict_label(i,1)>0 m=m+1; end if predict_label(i+50,1)<0 n=n+1; endends=m+nr=s/100% result 86%
1 0
- matlab自带各种分类器的使用示例
- matlab自带各种分类器的使用示例
- matlab自带的分类器的使用实例
- matlab中自带的分类器
- matlab自带的分类器的测试和分类
- Matlab自带的分类学习工具箱(SVM、决策树、Knn等分类器)
- matlab 自带分类器(2012b以上)
- matlab自带的分类器对人脸、鼻子、嘴进行检测
- 一个自带简易数据集的模拟线性分类器matlab代码——实验训练
- matlab自带的滤波器
- MatLab自带的SVM,快速入门使用
- 安装了Libsvm后还想使用Matlab自带的SVM?
- 朴素贝叶斯--matlab自带工具箱的使用
- 使用OpenCV自带的级联分类器进行目标检测
- 目标检测之训练opencv自带的分类器
- 利用OpenCV自带的traincascade程序训练分类器
- mahout自带的例子 -------------------------分类
- (备用)matlab自带的princomp函数
- 项目2-带武器的游戏角色
- 游戏中的角色类2
- 线性表的应用2(删除顺序表中的元素)
- 第五周 22 分数类的雏形
- Swift语言中问号 ? 和 感叹号 ! 的作用
- matlab自带各种分类器的使用示例
- Spring Scope
- 第6周项目1—IT妹子类的设计
- LeetCode *** 26. Remove Duplicates from Sorted Array
- Pku oj 2159 Ancient Cipher(字符串)
- Framework启动流程(1) - init进程启动过程
- 第2周项目3-小试循环
- git的使用 - 团队开发
- Maven教程