MATLAB机器学习入门教程与实战案例详解

MATLAB为机器学习提供了强大的集成环境，其核心是Statistics and Machine Learning Toolbox。启动MATLAB后，可以通过命令行、实时编辑器或App设计器进行工作。机器学习工作流通常包括数据准备、模型训练、评估和部署几个关键步骤。数据准备涉及导入数据、处理缺失值、特征缩放和数据分割，MATLAB提供了丰富的函数如readtable、rmmissing和normalize来完成这些任务。

一个典型的数据分割示例如下：

cv = cvpartition(data.Response, ‘Holdout’, 0.3);
trainingData = data(training(cv), :);
testData = data(test(cv), :);

MATLAB的分类学习器App（Classification Learner）和回归学习器App（Regression Learner）为初学者提供了无需编码的模型训练界面，可以快速比较多种算法的性能。

监督学习算法与应用

监督学习是机器学习中最常见的类型，其目标是利用带有标签的训练数据构建一个模型，用于预测新数据的输出。MATLAB支持多种监督学习算法。

• 决策树：易于理解和解释，可用于分类和回归。
• 支持向量机（SVM）：在小样本、高维度数据上表现优异。
• 集成方法：如随机森林和AdaBoost，通过组合多个弱学习器来提升性能。
• K近邻（KNN）：一种简单直观的惰性学习算法。

以分类为例，使用拟合函数训练一个模型非常简单：

Mdl = fitcsvm(trainingData, ‘Response’);
predictions = predict(Mdl, testData);

模型训练后，可以通过混淆矩阵、ROC曲线等工具进行评估，以选择最佳模型。

无监督学习技术解析

无监督学习用于发现数据中的内在模式或结构，而不需要预先标记的输出。常见的无监督学习技术包括聚类和降维。

聚类分析旨在将数据分组，使得同一组内的数据点彼此相似，而不同组的数据点相异。MATLAB提供了K均值聚类和层次聚类等方法。

idx = kmeans(data, 3);
gscatter(data(:,1), data(:,2), idx);

降维技术如主成分分析（PCA）可以减少数据集的变量数量，同时保留尽可能多的信息。这在数据可视化和特征提取中非常有用。

[coeff, score, latent] = pca(data);
biplot(coeff(:,1:2), ‘Scores’, score(:,1:2));

实战案例：鸢尾花分类

鸢尾花数据集是机器学习入门的经典案例。该数据集包含150个样本，每个样本有4个特征（花萼长度、花萼宽度、花瓣长度、花瓣宽度）和对应的鸢尾花种类标签。

首先加载并准备数据：

load fisheriris
X = meas;
Y = species;
cv = cvpartition(Y, ‘Holdout’, 0.2);

接下来，我们使用决策树进行分类：

treeModel = fitctree(X(training(cv),:), Y(training(cv)));
predictions = predict(treeModel, X(test(cv),:));
accuracy = sum(predictions == Y(test(cv))) / numel(Y(test(cv)));

通过view函数可以可视化决策树的结构，帮助我们理解模型的决策过程。

实战案例：波士顿房价预测

波士顿房价预测是一个经典的回归问题，旨在根据房屋的各种特征（如犯罪率、房间数量等）来预测其价格。

加载数据并创建训练集和测试集：

load boston
rng(‘default’) % 为了可重现性
cv = cvpartition(size(boston,1), ‘Holdout’, 0.2);

我们尝试使用线性回归模型：

linearModel = fitlm(boston(training(cv), 1:end-1), boston(training(cv), end));
predictedPrices = predict(linearModel, boston(test(cv), 1:end-1));

评估回归模型常用的指标包括均方根误差（RMSE）和决定系数（R²）。

rmse = sqrt(mean((predictedPrices
boston(test(cv), end)).^2));
rsquared = linearModel.Rsquared.Ordinary;

模型优化与性能提升

构建一个初始模型后，通常需要通过优化来提升其性能。这包括超参数调优、特征选择和模型集成。

超参数调优可以通过MATLAB的fitcsvm等函数的名称-值对参数，或者使用优化算法如贝叶斯优化来自动寻找最佳参数组合。

特征选择是另一个重要的优化步骤，它可以帮助减少过拟合，提高模型泛化能力。MATLAB提供了序列特征选择（sequentialfs）等函数。

不同模型在鸢尾花数据集上的性能对比可能如下：

最终，通过save函数可以将训练好的模型保存下来，以便后续部署和使用。