|
目前了解到的MATLAB中分類(lèi)器有：K近鄰分類(lèi)器，隨機(jī)森林分類(lèi)器，樸素貝葉斯，集成學(xué)習(xí)方法，鑒別分析分類(lèi)器，支持向量機(jī)?，F(xiàn)將其主要函數(shù)使用方法總結(jié)如下，更多細(xì)節(jié)需參考MATLAB 設(shè) 訓(xùn)練樣本：train_data 訓(xùn)練樣本標(biāo)簽：train_label 測(cè)試樣本：test_data 測(cè)試樣本標(biāo)簽：test_label K近鄰分類(lèi)器 mdl = ClassificationKNN.fit(train_data,train_label,'NumNeighbors',1); predict_label accuracy 隨機(jī)森林分類(lèi)器（Random Forest） B = TreeBagger(nTree,train_data,train_label); predict_label = predict(B,test_data); 樸素貝葉斯 nb = NaiveBayes.fit(train_data, train_label); predict_label accuracy 集成學(xué)習(xí)方法（Ensembles for Boosting, Bagging, or Random Subspace） ens = fitensemble(train_data,train_label,'AdaBoostM1' ,100,'tree','type','classification'); predict_label 鑒別分析分類(lèi)器（discriminant analysis classifier） obj = ClassificationDiscrimina predict_label 支持向量機(jī)（Support Vector Machine, SVM） SVMStruct = svmtrain(train_data, train_label); predict_label |
|
|
來(lái)自： MATLAB圖像識(shí)別 > 《算法》
