matlab分类算法函数,MATLAB分类与预测算法函数.docx资源-CSDN文库

版权申诉

63 浏览量 2023-03-11 14:15:24 上传评论收藏 30KB DOCX 举报

资源推荐

资源详情

资源评论

matlab分类算法函数,MATLAB分类与预测算法函数

1、glmfit()

功能：构建�个�义线性回归模型。

使�格式：b=glmfit(X，y，distr)，根据属性数据X以及每个记录对应的类别数据y构建�个线性回归模型，distr可取值为：binomial、

gamma、inverse gaussian、normal(默认值)和poisson，分别代表不同类型的回归模型。

2、patternnet()

功能：构建�个模式识别神经�络。

模式识别神经�络是�个前馈神经�络，通过对已知含有标签的数据进�训练得到神经�络模型，从�可以对新的不含标签的数据进�分类。

�于输�的标签数据需要进�特殊编码，即�个类别使��个向量进�表�，�如�共有3个类别，那么类别1可以编码为[1，0，0]，

类别3可以

编码为[0，0，1]。

使�格式：net=patternnet(hiddenSizes，trainFcn，performFcn)，构建�个隐含层神经元个数为hiddenSizes，模型函数为

trainFcn，性能函数为performFcn的神经�络net。

主要的模型函数有：

Trainscg：使�标度共梯度算法更新权值和偏移值

Trainlm：使 � LM 算法更新权值和偏移值

Trainbr：使�LM算法更新权值和偏移值(贝叶斯正则化)

Trainrp：根据弹反向传播算法更新权值和偏移值

3、fitctree()

功能：构建�个�叉分类树，每个分�节点根据输�数据进�确定。

使�格式：tree=fitctree(x，y)，根据数据的属性数据x以及每个记录对应的类别数据y构建�个�叉分类树tree。4

、fitensemble()

功能：创建�个模型，该函数可以根据不同的参数构建不同的模型，可以�于分类或者回归。

使�格式：Ensemble=fitensemble(x，y，Method，NLearn，Learners)，根据输�属性数据x以及每个记录对应的y值(如y是离散型变

量，则模型为分类模型；如y是连续型变量，则模型为回归模型)、Method(�于构建的模型名称)、NLearn(模型学习的循环次数)以及

Learners值(弱学习算法名称，有三个值，分别是“Discriminant”“KNN”“Tree”)构建�个分类或者回归模型。该模型的性能依赖于弱学习算

法的参数设置，如果这些参数设置不合理，将导致较差的性能。

常�的method：

①参数值：AdaBoostM1

适�范围：适�于�类别分类

②参数值：LogitBoost

适�范围：适�于�类别分类

③参数值：GentleBoost

适�范围：适�于�类别分类

④参数值：AdaBoostM2

适�范围：适�于三类别分类及以上

使�fitensemble函数构建三个模型，对�三个模型的误差。

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余1页未读，立即下载

内容反馈

版权申诉

Cheng-Dashi

粉丝: 108
资源: 1万+

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip