在matlab中，既有各種分類器的訓練函式，比如“fitcsvm”，也有圖形介面的分類學習工具箱，裡面包含SVM、決策樹、Knn等各類分類器，使用非常方便。接下來講講如何使用。

啟動：

點選“應用程式”，在面板中找到“Classification Learner”圖示點選即啟動，也可以在命令列輸入“classificationlearner”，回車，也可啟動。如下圖：

匯入資料：

點選“New Session”，可以從工作空間或檔案中匯入資料。選擇資料後，匯入分為三步：

第一步，確定你的資料格式，這裡匯入的資料是一個矩陣，既有樣本輸入也有對應的輸出。比如，我匯入的資料data是3*3000的矩陣，3000個樣本，每個樣本兩個特徵值，第三行是每個樣本對應的輸出。這時我應該選擇“Use row as variables”，如果資料格式為3000*3，則選擇“Use column as variables”。
第二步，指定哪一行為“response”即輸出響應，在本資料中，第三行為輸出，其餘為“predictor”。
第三步，是否需要驗證，一般都選擇交叉驗證“Cross Validation”，folds表示幾次，自己選擇即可。

確定後，點選“start session”。

選擇分類器：

如下圖，原始資料的散點圖會顯示出來，由於這資料只有兩維，因此可以全部顯示在二維座標中。如果你的資料多於兩維，二維座標系不能完全顯示每一維，你可以在右邊紅圈的X、Y下拉條中選擇顯示哪兩維。

訓練前可以選擇訓練的模型，點選紅圈中的下拉箭頭，可以看到各類訓練模型，選擇一個即可，也可以選擇某一類的“ALL”，該類所有模型都會訓練一遍。
選好模型後，點選“train”，開始訓練。

訓練結果：

訓練結果顯示在左邊，每個模型訓練後的準確率都會顯示出來，最高準確率會被標註，下面即為模型的資訊。

點選“Advance”可以設定模型的具體引數。點選“Confusion Matrix”可以檢視混淆矩陣等。

點選“Export Model”可以將模型匯出到工作空間，這樣就可以利用模型來測試新的資料。也可以匯出為程式碼，方便研究。