【机器学习】 Matlab 2015a 自带机器学习算法汇总
MATLAB机器学习没看到啥教程，只有一系列函数，只好记录下：
- 有监督学习
- 无监督学习
- 集成学习
1.有监督学习：
|
类名 |
方法名 |
函数名 |
说明 |
|
线性回归 |
多元线性回归 |
fitlm |
具有多个预测变量的线性回归 |
|
逐步回归 |
stepwise |
交互式逐步回归 |
|
|
多目标的多元线性回归 |
mvregress |
使用多变量输出的线性回归 |
|
|
有正则化的多元线性回归 |
lasso |
使用弹性网正则化的多元线性回归 |
|
|
ridge |
Ridge回归 |
||
|
非线性回归 |
fitnlm |
拟合非线性回归模型 |
|
|
广义线性模型 |
正态分布拟合 |
fitglm |
'Distribution' 设置为 'normal' |
|
二项分布拟合 |
fitglm |
'Distribution' 设置为 'binomial' |
|
|
泊松分布拟合 |
fitglm |
'Distribution' 设置为 'poisson' |
|
|
gamma分布拟合 |
fitglm |
'Distribution' 设置为 'gamma' |
|
|
反高斯分布拟合 |
fitglm |
'Distribution' 设置为 'inverse gaussian' |
|
|
进行变量选择的逐步回归 |
stepwiseglm |
交互式逐步回归 |
|
|
带有正则化的广义线性回归 |
lassoglm |
使用弹性网正则化的广义线性回归 |
|
|
回归分类 决策树 （CART） |
分类树 |
fitctree |
训练分类二叉决策树 |
|
回归树 |
fitrtree |
训练回归二叉决策树 |
|
|
支持 向量机 |
二分类支持向量机 |
fitcsvm |
训练二分类支持向量机分类 |
|
多分类支持向量机 |
fitcecoc |
适用SVM或其他分类器的多类模型 |
|
|
判别分析 |
fitcdiscr |
拟合判别分析分类器 |
|
|
朴素贝叶斯分类器 |
fitcnb |
训练朴素贝叶斯分类 |
|
|
最近邻 |
k-近邻 |
fitcknn |
拟合k-近邻分类器 |
|
类名 |
方法名 |
函数名 |
说明 |
|
分层聚类 |
通过聚类树进行聚类 |
cluster |
返回聚类后各样本类别 |
|
通过数据进行聚类 |
clusterdata |
返回聚类后各样本类别 |
|
|
分成聚类树 |
linkage |
训练分层聚类树 |
|
|
通过距离聚类 |
K-means聚类 |
kmeans |
|
|
K-medoids聚类 |
kmedoids |
|
|
|
最近邻 |
全局最近邻搜索 |
ExhaustiveSearcher |
准备全局最近邻居搜索 |
|
KD树搜索 |
KDTreeSearcher |
生成KD树 |
|
|
createns |
使用KD树搜索 |
||
|
KNN搜索 |
knnsearch |
使用Kd-tree或全局k-最近邻搜索 |
|
|
范围搜索 |
rangesearch |
使用全局与Kd-tree查找指定范围的近邻 |
|
|
高斯混合模型 |
高斯混合模型 |
fitgmdist |
拟合高斯混合模型 |
|
基于高斯混合模型的聚类 |
cluster |
生成基于高斯混合模型的聚类 |
|
|
隐马尔可夫模型 |
估计隐马尔可夫模型 |
hmmtrain |
通过观测估计隐马尔科夫模型参数 |
|
hmmestimate |
通过状态和观测估计参数 |
||
|
生成观测序列 |
hmmgenerate |
生成隐马尔可夫模型状态和观测 |
|
|
最可能状态路径 |
hmmviterbi |
计算最可能的状态路径 |
|
|
后验状态概率 |
hmmdecode |
计算隐马尔可夫模型后验状态概率 |
|
类名 |
方法名 |
函数名 |
说明 |
|
Boosting |
二分类：AdaBoostM1 |
fitensemble |
'Method' 配置为 'AdaBoostM1' |
|
二分类：LogitBoost |
fitensemble |
'Method' 配置为 ' LogitBoost' |
|
|
二分类：GentleBoost |
fitensemble |
'Method' 配置为 ' GentleBoost' |
|
|
二分类：RobustBoost |
fitensemble |
'Method' 配置为 ' RobustBoost' |
|
|
多分类： AdaBoostM2 |
fitensemble |
'Method' 配置为 ' AdaBoostM2' |
|
|
多分类： LPBoosts |
fitensemble |
'Method' 配置为 ' LPBoosts' |
|
|
多分类：TotalBoost |
fitensemble |
'Method' 配置为 ' TotalBoost' |
|
|
多分类：RUSBoost |
fitensemble |
'Method' 配置为 ' RUSBoost' |
|
|
回归：LSBoost |
fitensemble |
'Method' 配置为 'LPBoost' |
|
|
提升二分类为多分类模型 |
fitcecoc |
基于二分类模型训练多分类模型 |
|
|
Bagging（多分类或回归） |
fitensemble |
'Method' 配置为 'Bag' |
|
|
随机子空间（多分类或回归） |
fitensemble |
'Method' 配置为 'Subspace' |
|
