Matlab中有用的机器学习文档

版权声明：本文为博主原创文章，如有转载请标注来源。 https://blog.csdn.net/shengchaohua163/article/details/80638478

用Matlab学习机器学习是一个很有趣的体验，文档丰富，函数完整，很容易上手。

一、监督学习

1. 监督学习工作流程和算法

链接：Supervised Learning Workflow and Algorithms

该文档介绍了：

1. 监督学习是什么？
2. 监督学习的步骤包括：
   
   • 准备数据（Prepare Data）
   • 选择算法（Choose an Algorithm）
   • 拟合模型（Fit a Model）
   • 选择评价方法（Choose a Validation Method）
   • 检查拟合程度直到满意（Examine Fit and Update Until Satisfied）
   • 用最终的模型进行预测（Use Fitted Model for Predictions）
3. 监督学习算法和对应的函数包括：
   
   • 分类树（Classification Trees）：fitctree
   • 回归树（Regression Trees）：fitrtree
   • 判别分析（Discriminant Analysis (classification)）：fitcdiscr
   • k近邻（k-Nearest Neighbors (classification)）：fitcknn
   • 朴素贝叶斯（Naive Bayes (classification)）：fitcnb
   • 支持向量机（Support Vector Machines (SVM) for classification）：fitcsvm
   • 支持向量机（SVM for regression）：fitrsvm 注：该函数只适用于二分类问题。如果要使用SVM进行多分类，使用 fitcecoc 函数！
   • 供支持向量机或其他分类器使用的多分类模型（Multiclass models for SVM or other classifiers）：fitcecoc
   • 分类集成学习（Classification Ensembles）：fitcensemble
   • 回归集成学习（Regression Ensembles）：fitrensemble
4. 分类算法的特点：参见文档中最后两个表格。

2. 使用最近邻进行分类

链接：Classification Using Nearest Neighbors

该文档介绍了：

1. 距离度量方法：欧式距离、曼哈顿距离、切比雪夫距离等等
2. k近邻搜索方法：穷尽搜索(Exhaustive Search)和KD树(Kd-Tree)搜索，以及它们的适用条件
3. 使用Matlab中的k近邻：使用 fitcknn 建立k近邻分类器、检查分类器的质量（评价分类器）、使用分类器进行分类和修改分类器等等

二、无监督学习

学习到无监督学习再补充。