技術標籤：學習機器學習matlab

最近在做機器學習，發現很多實用MATLAB中的分類器進行分類的大多為交叉驗證，不存在儲存模型問題，因此在這裡記錄一下。

以隨機森林為例：

1. 訓練程式碼：

其中classifer即為我們訓練好的模型，我們可以選擇在驗證集上表現好的模型進行儲存，加斷點我們可以看到，classifer為1×1TreeBagger型別。

nTree = 10;
classifer = TreeBagger(nTree,train_datas,train_labels');

2. 儲存程式碼：

我們將classifer儲存為mat型別的檔案。

save('model_save.mat','classifer');
 

3. 載入模型並測試：

載入模型時，即載入mat檔案，此時model的型別為struct，即一個結構體，結構體內包含的檔名為classifer，檔案為1×1TreeBagger型別檔案，即上述訓練好的模型。然後讀取model內以classifer為檔名的檔案，此時classifer即為讀取後的模型，型別為1×1TreeBagger，接下來的使用方法與訓練時相同。

model = load('model_save.mat');
classifer = model.classifer;