版本matlab2015a

背景介绍：

    基于机器学习的分类算法，包括有SVM、决策树、线性回归等监督算法。通过输入特征值和真实响应，训练数学分类模型，matlab提供图形化可视界面，方便进行分类方法的选择以及数据预测。

启动：

首先将训练模型import到workspace空间内，其中CreditRating为训练样本。

在命令窗口内输入classificationLearner，打开窗口。

模型训练：

第一步，确定你的数据格式，这里导入的数据是一个矩阵，既有样本输入也有对应的输出。

第二步确定样本输出为response，其余为predictor。

第三步，是否需要验证，一般都选择交叉验证“Cross Validation”，folds表示几次，自己选择即可。

完成后点击Import Data。

界面上只能显示基于两个特征的散点分布，可以自己改变不同的特征输入（通过X axis和Y axis）。

在界面上有不同的模型，点击模型选择训练，通过自身的交叉验证，可以得出训练模型的正确率。

可以通过ROC曲线观察在不同特征向量下正确分割样本的概率。

模型训练完成，右上角的Expert model可以选择不同方式将模型保存，用作新的样本的分类预测。

样本预测

模型导出到workespace中，命令窗口会显示一下提示信息

这里的T应该值得是一个类，需要自己定义，如果不需要立即保存，可以用另外一种方式进行样本分类预测。

[LABEL,SCORE]=predict(SVM,X)

X是大小为N*P的数字矩阵，其中P是用于训练此模型的预测变量的数量。SCORE代表各个样本的各个特征对此分类的权值，LABEL为预测分类。

结束

欢迎转载，请注明出处。