轉載：https://blog.csdn.net/qq_27914913/article/details/71436838
在matlab中，既有各種分類器的訓練函數，比如“fitcsvm”，也有圖形界面的分類學習工具箱，裏面包含SVM、決策樹、Knn等各類分類器，使用非常方便。接下來講講如何使用。
1、啓動：
點擊“應用程序”，在面板中找到“Classification Learner”圖標點擊即啓動，也可以在命令行輸入“classificationlearner”，回車，也可啓動。如下圖：
2、導入數據：
點擊“New Session”，可以從工作空間或文件中導入數據。
（默認數組中最後一列爲標籤）
選擇數據後，導入分爲三步：
第一步，確定你的數據格式，這裏導入的數據是一個矩陣，既有樣本輸入也有對應的輸出。比如，我導入的數據data是33000的矩陣，3000個樣本，每個樣本兩個特徵值，第三行是每個樣本對應的輸出。這時我應該選擇“Use row as variables”，如果數據格式爲30003，則選擇“Use column as variables”。
第二步，指定哪一行爲“response”即輸出響應，在本數據中，第三行爲輸出，其餘爲“predictor”。
第三步，是否需要驗證，一般都選擇交叉驗證“Cross Validation”，folds表示幾次，自己選擇即可。
確定後，點擊“start session”。
3、選擇分類器：
如下圖，原始數據的散點圖會顯示出來，由於這數據只有兩維，因此可以全部顯示在二維座標中。如果你的數據多於兩維，二維座標系不能完全顯示每一維，你可以在右邊紅圈的X、Y下拉條中選擇顯示哪兩維。
訓練前可以選擇訓練的模型，點擊紅圈中的下拉箭頭，可以看到各類訓練模型，選擇一個即可，也可以選擇某一類的“ALL”，該類所有模型都會訓練一遍。
選好模型後，點擊“train”，開始訓練。
4、訓練結果：
訓練結果顯示在左邊，每個模型訓練後的準確率都會顯示出來，最高準確率會被標註，下面即爲模型的信息。
點擊“Advance”可以設置模型的具體參數。點擊“Confusion Matrix”可以查看混淆矩陣等。
點擊“Export Model”可以將模型導出到工作空間，這樣就可以利用模型來測試新的數據。也可以導出爲代碼，方便研究。
5、樣本預測
模型導出到workespace中，命令窗口會顯示一下提示信息
這裏的T應該值得是一個類，需要自己定義，如果不需要立即保存，可以用另外一種方式進行樣本分類預測。
[LABEL,SCORE]=predict(SVM,X)
X是大小爲N*P的數字矩陣，其中P是用於訓練此模型的預測變量的數量。SCORE代表各個樣本的各個特徵對此分類的權值，LABEL爲預測分類。
——————
樣本預測轉自：
https://blog.csdn.net/weixin_38645024/article/details/80010714