新浪博客

【机器学习】 Matlab 2015a 自带机器学习算法汇总

2016-10-19 11:01阅读:
【机器学习】 Matlab 2015a 自带机器学习算法汇总
作者:陈法圣
【引言】
今天突然发现MATLAB 2015a的版本自带了许多经典的机器学习方法,简单好用,所以在此撰写博客用以简要汇总(我主要参考了MATLAB自带的帮助文档)。 MATLAB每个机器学习方法都有很多种方式实现,并可进行高级配置(比如训练决策树时设置的各种参数)
,这里由于篇幅的限制,不再详细描述。我仅列出我认为的最简单的使用方法。详细使用方法,请按照我给出的函数名,在matlab使用如下命令,进行查阅。
doc <函数名>
【正文
Matlab用于训练机器学习模型的函数主要分为三类:
  1. 有监督学习
  2. 无监督学习
  3. 集成学习

1.有监督学习:
类名
方法名
函数名
说明
线性回归
多元线性回归
fitlm
具有多个预测变量的线性回归
逐步回归
stepwise
交互式逐步回归
多目标的多元线性回归
mvregress
使用多变量输出的线性回归
有正则化的多元线性回归
lasso
使用弹性网正则化的多元线性回归
ridge
Ridge回归
非线性回归
fitnlm
拟合非线性回归模型
广义线性模型
正态分布拟合
fitglm
'Distribution' 设置为 'normal'
二项分布拟合
fitglm
'Distribution' 设置为 'binomial'
泊松分布拟合
fitglm
'Distribution' 设置为 'poisson'
gamma分布拟合
fitglm
'Distribution' 设置为 'gamma'
反高斯分布拟合
fitglm
'Distribution' 设置为 'inverse gaussian'
进行变量选择的逐步回归
stepwiseglm
交互式逐步回归
带有正则化的广义线性回归
lassoglm
使用弹性网正则化的广义线性回归
回归分类
决策树
CART
分类树
fitctree
训练分类二叉决策树
回归树
fitrtree
训练回归二叉决策树
支持
向量机
二分类支持向量机
fitcsvm
训练二分类支持向量机分类
多分类支持向量机
fitcecoc
适用SVM或其他分类器的多类模型
判别分析
fitcdiscr
拟合判别分析分类器
朴素贝叶斯分类器
fitcnb
训练朴素贝叶斯分类
最近邻
k-近邻
fitcknn
拟合k-近邻分类器

2.无监督学习:
类名
方法名
函数名
说明
分层聚类
通过聚类树进行聚类
cluster
返回聚类后各样本类别
通过数据进行聚类
clusterdata
返回聚类后各样本类别
分成聚类树
linkage
训练分层聚类树
通过距离聚类
K-means聚类
kmeans

K-medoids聚类
kmedoids

最近邻
全局最近邻搜索
ExhaustiveSearcher
准备全局最近邻居搜索
KD树搜索
KDTreeSearcher
生成KD
createns
使用KD树搜索
KNN搜索
knnsearch
使用Kd-tree或全局k-最近邻搜索
范围搜索
rangesearch
使用全局与Kd-tree查找指定范围的近邻
高斯混合模型
高斯混合模型
fitgmdist
拟合高斯混合模型
基于高斯混合模型的聚类
cluster
生成基于高斯混合模型的聚类
隐马尔可夫模型
估计隐马尔可夫模型
hmmtrain
通过观测估计隐马尔科夫模型参数
hmmestimate
通过状态和观测估计参数
生成观测序列
hmmgenerate
生成隐马尔可夫模型状态和观测
最可能状态路径
hmmviterbi
计算最可能的状态路径
后验状态概率
hmmdecode
计算隐马尔可夫模型后验状态概率

3. 集成学习:
类名
方法名
函数名
说明
Boosting
二分类:AdaBoostM1
fitensemble
'Method' 配置为 'AdaBoostM1'
二分类:LogitBoost
fitensemble
'Method' 配置为 ' LogitBoost'
二分类:GentleBoost
fitensemble
'Method' 配置为 ' GentleBoost'
二分类:RobustBoost
fitensemble
'Method' 配置为 ' RobustBoost'
多分类: AdaBoostM2
fitensemble
'Method' 配置为 ' AdaBoostM2'
多分类: LPBoosts
fitensemble
'Method' 配置为 ' LPBoosts'
多分类:TotalBoost
fitensemble
'Method' 配置为 ' TotalBoost'

我的更多文章

下载客户端阅读体验更佳

APP专享