【機器學習】 matlab 自帶機器學習演算法彙總
**部落格：
【引言】
今天突然發現matlab 2015a的版本自帶了許多經典的機器學習方法，簡單好用，所以在此撰寫部落格用以簡要彙總（我主要參考了matlab自帶的幫助文件）。
matlab每個機器學習方法都有很多種方式實現，並可進行高階配置（比如訓練決策樹時設定的各種引數）
，這裡由於篇幅的限制，不再詳細描述。我僅列出我認為的最簡單的使用方法。詳細使用方法，請按照我給出的函式名，在matlab使用如下命令，進行查閱。
doc 《函式名》
【正文
】 matlab用於訓練機器學習模型的函式主要分為三類：
有監督學習
無監督學習
整合學習
1.有監督學習：
類名
方法名
函式名 說明
線性回歸
多元線性回歸
fitlm
具有多個**變數的線性回歸
逐步回歸
stepwise
互動式逐步回歸
多目標的多元線性回歸
mvregress
使用多變數輸出的線性回歸
有正則化的多元線性回歸
lasso
使用彈性網正則化的多元線性回歸
ridge
ridge回歸
非線性回歸
fitnlm
擬合非線性回歸模型
廣義線性模型
正態分佈擬合
fitglm
'distribution' 設定為 'normal'
二項分布擬合
fitglm
'distribution' 設定為 'binomial'
泊松分布擬合
fitglm
'distribution' 設定為 'poisson'
gamma分布擬合
fitglm
'distribution' 設定為 'gamma'
反高斯分布擬合
fitglm
'distribution' 設定為 'inverse gaussian'
進行變數選擇的逐步回歸
stepwiseglm
互動式逐步回歸
帶有正則化的廣義線性回歸
lassoglm
使用彈性網正則化的廣義線性回歸
回歸分類
決策樹（cart）
分類樹fitctree
訓練分類二叉決策樹
回歸樹fitrtree
訓練回歸二叉決策樹 支援
向量機二分類支援向量機
fitcsvm
訓練二分類支援向量機分類
多分類支援向量機
fitcecoc
適用svm或其他分類器的多類模型
判別分析
fitcdiscr
擬合判別分析分類器
樸素貝葉斯分類器
fitcnb
訓練樸素貝葉斯分類
最近鄰k-近鄰
fitcknn
擬合k-近鄰分類器
2
.無監督學習：
類名
方法名
函式名 說明
分層聚類
通過聚類樹進行聚類
cluster
返回聚類後各樣本類別
通過資料進行聚類
clusterdata
返回聚類後各樣本類別
分成聚類樹
linkage
訓練分層聚類樹
通過距離聚類
k-means聚類
kmeans
k-medoids聚類
kmedoids
最近鄰全域性最近鄰搜尋
exhaustivesearcher
準備全域性最近鄰居搜尋
kd樹搜尋
kdtreesearcher
生成kd樹
createns
使用kd樹搜尋
knn搜尋
knnsearch
使用kd-tree或全域性k-最近鄰搜尋
範圍搜尋
rangesearch
使用全域性與kd-tree查詢指定範圍的近鄰
高斯混合模型
高斯混合模型
fitgmdist
擬合高斯混合模型
基於高斯混合模型的聚類
cluster
生成基於高斯混合模型的聚類
隱馬爾可夫模型
估計隱馬爾可夫模型
hmmtrain
通過觀測估計隱馬爾科夫模型引數
hmmestimate
通過狀態和觀測估計引數
生成觀測序列
hmmgenerate
生成隱馬爾可夫模型狀態和觀測
最可能狀態路徑
hmmviterbi
計算最可能的狀態路徑
後驗狀態概率
hmmdecode
計算隱馬爾可夫模型後驗狀態概率
3. 整合學習：
類名
方法名
函式名 說明
boosting
二分類：adaboostm1
fitensemble
'method' 配置為 'adaboostm1'
二分類：logitboost
fitensemble
'method' 配置為 ' logitboost'
二分類：gentleboost
fitensemble
'method' 配置為 ' gentleboost'
二分類：robustboost
fitensemble
'method' 配置為 ' robustboost'
多分類： adaboostm2
fitensemble
'method' 配置為 ' adaboostm2'
多分類： lpboosts
fitensemble
'method' 配置為 ' lpboosts'
多分類：totalboost
fitensemble
'method' 配置為 ' totalboost'
多分類：rusboost
fitensemble
'method' 配置為 ' rusboost'
回歸：lsboost
fitensemble
'method' 配置為 'lpboost'
提公升二分類為多分類模型
fitcecoc
基於二分類模型訓練多分類模型
bagging（多分類或回歸）
fitensemble
'method' 配置為 'bag'
隨機子空間（多分類或回歸）
fitensemble
'method' 配置為 'sub
Matlab 自帶機器學習演算法彙總
引言 今天突然發現matlab 2015a的版本自帶了許多經典的機器學習方法，簡單好用，所以在此撰寫部落格用以簡要彙總 我主要參考了matlab自帶的幫助文件 matlab每個機器學習方法都有很多種方式實現，並可進行高階配置 比如訓練決策樹時設定的各種引數 這裡由於篇幅的限制，不再詳細描述。我僅列出...
機器學習 KNN演算法 MATLAB實現
k 近鄰演算法的思想如下 首先，計算新樣本與訓練樣本之間的距離，找到距離最近的k 個鄰居 然後，根據這些鄰居所屬的類別來判定新樣本的類別，如果它們都屬於同乙個類別，那麼新樣本也屬於這個類 否則，對每個後選類別進行評分，按照某種規則確定新樣本的類別。統計出現的頻率 該演算法比較適用於樣本容量比較大的類...
機器學習matlab
rain data是訓練特徵資料,train label是分類標籤。predict label是 的標籤。matlab訓練資料,得到語義標籤向量 scores 概率輸出 1.邏輯回歸 多項式multinomial logistic regression factor mnrfit train dat...