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