Matlab⾃带机器学习算法汇总
Matlab⽤于训练机器学习模型的函数主要分为三类：
1. 有监督学习
2. ⽆监督学习
3. 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
stepwi
交互式逐步回
归
多⽬标
的多元
线性回
归
蜜蜂有几条腿
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
刘文典
ridge Ridge回归
⾮线性回归fitnlm 拟合⾮线性回
归模型
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'Distribution'
⼴义线性模型gamma
分布拟
合
fitglm
'Distribution'
设置为
'gamma'
爆炒鸡杂
反⾼斯
分布拟
合
fitglm
'Distribution'
设置为
'inver
gaussian'
进⾏变
量选择
香辣鸡块的做法
的逐步
回归
stepwiglm
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
<p>决策树</p> <p>（CART）</p> </td> <td > <p>分类树</p> </td> <td
揭阳有什么好玩的景点图画作品> <p>fitctree</p> </td> <td > <p>训练分类⼆叉决策树
</p> </td> </tr><tr><td > <p>回归树</p> </td> <td >
<p>fitrtree</p> </td> <td > <p>训练回归⼆叉决策树</p> </td> </tr><tr><td
rowspan="2"> <p>⽀持</p> <p>向量机</p> </td> <td > <p>⼆分类⽀持向量机
</p> </td> <td > <p>fitcsvm</p> </td> <td > <p>训练⼆
分类⽀持向量机分类</p> </td> </tr><tr><td > <p>多分类⽀持向量机</p> </td>
<td > <p>fitcecoc</p> </td> <td > <p>适⽤SVM或其他分类器的多类模型</p> </td> </tr><tr><td colspan="2"> <p>判别分析</p> </td> <td > <p>fitcdiscr</p> </td> <td > <p>拟合判别分析分类器</p> </td> </tr>
<tr><td colspan="2"> <p>朴素贝叶斯分类器</p> </td> <td > <p>fitcnb</p> </td>
<td > <p>训练朴素贝叶斯分类</p> </td> </tr><tr><td> <p>最近邻</p> </td> <td
> <p>k-近邻</p> </td> <td > <p>fitcknn</p> </td> <td
> <p>拟合k-近邻分类器</p> </td> </tr></tbody></table></div><p><br><br>
绣球菊
2.⽆监督学习
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
全局最近邻搜索ExhaustiveSearcher准备全局最近邻居搜索
最近邻KD树搜索
KDTreeSearcher⽣成KD树
createns使⽤KD树搜索
KNN搜索knnarch使⽤Kd-tree或全局k-最近邻搜索
范围搜索rangearch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
身上皮肤发痒
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
3.集成学习
类名⽅法名函数名说明
Boosting ⼆分类：AdaBoostM1fitenmble'Method' 配置为 'AdaBoostM1'⼆分类：LogitBoost fiten
mble'Method' 配置为 ' LogitBoost'⼆分类：GentleBoost fitenmble'Method' 配置为 ' GentleBoost'⼆分类：RobustBoost fitenmble'Method' 配置为 ' RobustBoost'多分类： AdaBoostM2fitenmble'Method' 配置为 ' AdaBoostM2'多分类： LPBoosts fitenmble'Method' 配置为 ' LPBoosts'多分类：TotalBoost fitenmble'Method' 配置为 ' TotalBoost'多分类：RUSBoost fitenmble'Method' 配置为 ' RUSBoost'回归：LSBoost fitenmble'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）fitenmble'Method' 配置为 'Bag'
随机⼦空间（多分类或回归）fitenmble'Method' 配置为 'Subspace'
