您可以捐助,支持我们的公益事业。

1元 10元 50元





认证码:  验证码,看不清楚?请点击刷新验证码 必填



  求知 文章 文库 Lib 视频 iPerson 课程 认证 咨询 工具 讲座 Modeler   Code  
会员   
   
 
     
   
 订阅
  捐助
matlab机器学习库
 
  3303  次浏览      2
 2018-10-18
 
编辑推荐:

本文来自于CSDN,介绍了matlab自带的机器学习库、随机森林分类器、朴素贝叶斯等相关知识。

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

   
3303 次浏览       2
相关文章

基于图卷积网络的图深度学习
自动驾驶中的3D目标检测
工业机器人控制系统架构介绍
项目实战:如何构建知识图谱
 
相关文档

5G人工智能物联网的典型应用
深度学习在自动驾驶中的应用
图神经网络在交叉学科领域的应用研究
无人机系统原理
相关课程

人工智能、机器学习&TensorFlow
机器人软件开发技术
人工智能,机器学习和深度学习
图像处理算法方法与实践