MATLAB中的分類器

目前了解到的 MATLAB 中分類器有： K 近鄰分類器，隨機森林分類器，朴素貝葉斯，集成學習方法，鑒別分析分類器，支持向量機。現將其主要函數使用方法總結如下，更多細節需參考 MATLAB  幫助文件。
設
　　訓練樣本： train_data             %  矩陣，每行一個樣本，每列一個特征
　　訓練樣本標簽： train_label       %  列向量
　　測試樣本： test_data
　　測試樣本標簽： test_label
 
K 近鄰分類器   （ 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
               
 
隨機森林分類器（ Random Forest ）
B = TreeBagger(nTree,train_data,train_label);
predict_label = predict(B,test_data);
 
 
朴素貝葉斯   （ 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;
 
 
集成學習方法（ Ensembles for Boosting, Bagging, or Random Subspace ）
ens = fitensemble(train_data,train_label,'AdaBoostM1' ,100,'tree','type','classification');
predict_label   =       predict(ens, test_data);
 
 
鑒別分析分類器（ discriminant analysis classifier ）
obj = ClassificationDiscriminant.fit(train_data, train_label);
predict_label   =       predict(obj, test_data);
 
 
支持向量機（ Support Vector Machine, SVM ）
SVMStruct = svmtrain(train_data, train_label);
predict_label  = svmclassify(SVMStruct, test_data)