目前了解到的 MATLAB 中分类器有： K 近邻分类器，随机森林分类器，朴素贝叶斯，集成学习方法，鉴别分析分类器，支持向量机。现将其主要函数使用方法总结如下，更多细节需参考 MATLAB  帮助文件。

设

　　训练样本： train_data             %  矩阵，每行一个样本，每列一个特征

　　训练样本标签： train_label       %  列向量

　　测试样本： test_data

　　测试样本标签： test_label

 

K 近邻分类器   （ KNN ）

mdl = ClassificationKNN.fit(train_data,train_label,'NumNeighbors',1);

predict_label   =       predict(mdl, test_data);

accuracy         =       length(find(predict_label == test_label))/length(test_label)*100

               

 

随机森林分类器（ Random Forest ）

B = TreeBagger(nTree,train_data,train_label);

predict_label = predict(B,test_data);

 

 

朴素贝叶斯   （ Na?ve Bayes ）

nb = NaiveBayes.fit(train_data, train_label);

predict_label   =       predict(nb, test_data);

accuracy         =       length(find(predict_label == test_label))/length(test_label)*100;

 

 

集成学习方法（ Ensembles for Boosting, Bagging, or Random Subspace ）

ens = fitensemble(train_data,train_label,'AdaBoostM1' ,100,'tree','type','classification');

predict_label   =       predict(ens, test_data);

 

 

鉴别分析分类器（ discriminant analysis classifier ）

obj = ClassificationDiscriminant.fit(train_data, train_label);

predict_label   =       predict(obj, test_data);

 

 

支持向量机（ Support Vector Machine, SVM ）

SVMStruct = svmtrain(train_data, train_label);

predict_label  = svmclassify(SVMStruct, test_data)