准备数据，这里我们用到经典例子葡萄酒的数据
第一行为葡萄酒类别，有1、2、3三种类别，第2列到14列为葡萄酒各元素的含量。我们需要做的是对于某一个未知类别的葡萄酒，根据其各元素的含量预测出他的类别。因此输入为各元素的含量，输出为类别。
将数据读入matlab空间，变量名为inout：
选择APP选项中的Classification Learner选项，打开分类学习机，选择New Session选项。
数据选择inout变量，其大小为178*14。由于一组数据其变量需要包括每一列的数据，因此我们选择Use columns as variables，Response代表输出的目标，我们选择第一列，则其余的为Predictors，即训练的输入数据。验证一般选择交叉验证，这里我们选择Cross-Validation选项。然后点击Start Session。
这里可以选择不同的算法进行训练，我们选择All代表使用所有的算法训练一遍，点击Train开始训练。
原始数据的散点图会显示出来，由于这数据只有两维，因此可以全部显示在二维坐标中。如果你的数据多于两维，二维坐标系不能完全显示每一维，你可以在右边红圈的X、Y下拉条中选择显示哪两维。
红框里面代表的是每一种算法的识别准确率，可以看到第1.5种算法识别准确率最高，可以达到98.9%以上。
点击export model可以导出模型
可以看出模型成功建立。
按照其提示输入trainedModel.predictFcn(X) 语句即可以实现预测功能。其中X为要预测的数组。
比如要预测第一行的数据所对应的类别：
可以看出第一行数据对应的类别为1类别。因此我们的预测过程完成了。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
