機器學習： Matlab 2015a 內建機器學習演算法匯總

【機器學習】 Matlab 2015a內建機器學習演算法匯總 作者：陳法聖 【引言】 今天突然發現MATLAB2015a的版本內建了許多經典的機器學習方法，簡單好用，所以在此撰寫部落格用以簡要匯總（我主要參考了MATLAB內建的協助文檔）。 MATLAB每個機器學習方法都有很多種方式實現，並可進行進階配置（比如訓練決策樹時設定的各種參數） ，這裡由於篇幅的限制，不再詳細描述。我僅列出我認為的最簡單的使用方法。詳細使用方法，請按照我給出的函數名，在matlab使用 如下命令，進行查閱。 doc <函數名>
【本文】 Matlab用於訓練機器學習模型的函數主要分為三類： 有監督學習 無監督學習 整合學習
1.有監督學習：

類名	方法名	函數名	說明
線性迴歸	多元線性迴歸	fitlm	具有多個預測變數的線性迴歸
逐步迴歸	stepwise	互動式逐步迴歸
多目標的多元線性迴歸	mvregress	使用多變數輸出的線性迴歸
有正則化的多元線性迴歸	lasso	使用彈性網正則化的多元線性迴歸
ridge	Ridge迴歸
非線性迴歸	fitnlm	擬合非線性迴歸模型
廣義線性模型	常態分佈擬合	fitglm	'Distribution' 設定為 'normal'
二項分布擬合	fitglm	'Distribution' 設定為 'binomial'
泊松分布擬合	fitglm	'Distribution' 設定為 'poisson'
gamma分布擬合	fitglm	'Distribution' 設定為 'gamma'
反高斯分布擬合	fitglm	'Distribution' 設定為 'inverse gaussian'
進行變數選擇的逐步迴歸	stepwiseglm	互動式逐步迴歸
帶有正則化的廣義線性迴歸	lassoglm	使用彈性網正則化的廣義線性迴歸
迴歸分類 決策樹 （CART）	分類樹	fitctree	訓練分類二叉決策樹
迴歸樹	fitrtree	訓練迴歸二叉決策樹
支援 向量機	二分類支援向量機	fitcsvm	訓練二分類支援向量機分類
多分類支援向量機	fitcecoc	適用SVM或其他分類器的多類模型
判別分析	fitcdiscr	擬合判別分析分類器
樸素貝葉斯分類器	fitcnb	訓練樸素貝葉斯分類
最近鄰	k-近鄰	fitcknn	擬合k-近鄰分類器

2.無監督學習：

類名	方法名	函數名	說明
分層聚類	通過聚類樹進行聚類	cluster	返回聚類後各樣本類別
通過資料進行聚類	clusterdata	返回聚類後各樣本類別
分成聚類樹	linkage	訓練分層聚類樹
通過距離聚類	K-means聚類	kmeans
K-medoids聚類	kmedoids
最近鄰	全域最近鄰搜尋	ExhaustiveSearcher	準備全域最近鄰居搜尋
KD樹搜尋	KDTreeSearcher	產生KD樹
createns	使用KD樹搜尋
KNN搜尋	knnsearch	使用Kd-tree或全域k-最近鄰搜尋
範圍搜尋	rangesearch	使用全域與Kd-tree尋找指定範圍的近鄰
高斯混合模型	高斯混合模型	fitgmdist	擬合高斯混合模型
基於高斯混合模型的聚類	cluster	產生基於高斯混合模型的聚類
隱馬爾可夫模型	估計隱馬爾可夫模型	hmmtrain	通過觀測估計隱馬爾科夫模型參數
hmmestimate	通過狀態和觀測估計參數
產生觀測序列	hmmgenerate	產生隱馬爾可夫模型狀態和觀測
最可能狀態路徑	hmmviterbi	計算最可能的狀態路徑
後驗狀態機率	hmmdecode	計算隱馬爾可夫模型後驗狀態機率

3. 整合學習：

類名	方法名	函數名	說明
Boosting	二分類：AdaBoostM1	fitensemble	'Method' 配置為 'AdaBoostM1'
二分類：LogitBoost	fitensemble	'Method' 配置為 ' LogitBoost'
二分類：GentleBoost	fitensemble	'Method' 配置為 ' GentleBoost'
二分類：RobustBoost	fitensemble	'Method' 配置為 ' RobustBoost'
多分類： AdaBoostM2	fitensemble	'Method' 配置為 ' AdaBoostM2'
多分類： LPBoosts	fitensemble	'Method' 配置為 ' LPBoosts'
多分類：TotalBoost	fitensemble	'Method' 配置為 ' TotalBoost'
多分類：RUSBoost	fitensemble	'Method' 配置為 ' RUSBoost'
迴歸：LSBoost	fitensemble	'Method' 配置為 'LPBoost'
提升二分類為多分類模型	fitcecoc	基於二分類模型訓練多分類模型
Bagging（多分類或迴歸）	fitensemble	'Method' 配置為 'Bag'
隨機子空間（多分類或迴歸）	fitensemble	'Method' 配置為 'Subspace'