MachineLearningtoolsinsideMatlab.doc

Machine Learning with Matlab 概述 Matlab中集成了一套用于统计和机器学习的工具包，即Statistics and Machine learning Toolbox，极大方便了机器学习开发者的算法研究和原理验证。该工具包可解决回归、分类和聚类等机器学习问题，并支持多种监督和非监督算法，包括SVM、决策树、KNN、k-means、k-medoids、高斯混合模型、隐藏马尔科夫模型等。此外，还支持多种选择关键特征的算法，包括PCA、顺序特征选择、逐步回归、正则化等。下面将结合用户手册，对该工具包的使用进行介绍。 支持数据类型 该工具包支持多种数据类型作为输入，括号里的是数据类型。为了方便理解这些数据类型的使用方法，将结合示例程序对其进行说明。其中，红色部分为代码，绿色部分为输出。支持的数据类型包括： 具有单精度（single）或双精度（double）的数值标量、向量和矩阵 字符串矩阵（cellstr）；字符(char)、逻辑（logical）或类型（categorical）矩阵；类型变量的数值矩阵（single/double）。典型示例就是类标签。不推荐使用nominal和ordinal类型，它们可能会在以后的版本删除。 表格（table）是上述数据类型的矩阵形式，用于表示异构数据。典型示例是混合了类型变量和数值变量的回归分析。不推荐使用dataset类型，可能会在以后的版本中删除。如果函数不支持table类型，就采用single或double的矩阵。 gpuArray类型可作为函数的输入参数，在GPU中执行。由于该类型与IDS无关，这里就不做进一步介绍。有兴趣的话，请查询Matlab Help。 此外，不支持的数据类型包括： 复数 自定义的数值类型 用于非分组数据的带符号整数 稀疏矩阵 数值single/double 基本操作 a = 4; b = single(4); class (a) ans = double class(b) ans = single 说明： 默认情况下，声明一个数值变量属于double类型，通过single函数可以强制转成single类型，降低所需的存储空间。single函数的输入可以是任何数值对象，甚至可以是数组。 逻辑logical 基本操作 A = [1 -3 2;5 4 7;-8 1 3]; M = mod(A,2) M = 1 1 0 1 0 1 0 1 1 L = logical(mod(A,2)) L = 1 1 0 1 0 1 0 1 1 class(M) ans = double class(L) ans = logical A(M) error A(L) ans = 1 5 -3 1 7 3 说明： 虽然M和L的数值是相同的，但类型不同，M为double类型，L为logical类型。这也导致了A(L)是有效的，而A(M)是无效的。 字符串矩阵cellstr 基本操作 S = [abc;def;ghi]; C = cellstr(S); whos S Name Size Bytes Class Attributes S 3x3 18 char whos C Name Size Bytes Class Attributes C 3x1 354 cell 说明： cellstr函数可以将矩阵S转换成字符向量的cell矩阵。其中，S可以是字符串矩阵、类型（categorical）矩阵、日期时间矩阵等。 无大小的类型nominal（不推荐） 基本操作：创建、比较、设置 load fisheriris unique(species) ans = setosa versicolor virginica speciesNom = nominal(species); class(speciesNom) ans = nominal getlevels(speciesNom) ans = setosa versicolor virginica getlabels(speciesNom) ans = setosa versicolor virginica speciesNom2 = nominal(species,{seto,vers,virg}); getlevels(speciesNom2) ans = seto vers virg getlabels(speciesNom2) ans = seto vers virg isequal(speciesNom==setosa,speciesNom2==