对于大数据的非线性二分类，可以使用 训练二分类高斯核分类模型。

以下内容基于MATLAB官网的介绍文档，进行了一点个人的理解和整理，不算原创，但也不是单纯的翻译，也就恬不知耻的算作原创了。具体内容缺斤少两的，想看具体的英文内容请点击链接 。

fitckernel使用随机特征展开拟合高斯核分类模型

fitckernel为非线性分类训练或交叉验证二进制高斯核分类模型。 fitckernel对于训练集较大的大数据应用程序更为实用，但也可以应用于内存中较小的数据集。

fitckernel将低维空间中的数据映射到高维空间中，然后通过最小化正则化的目标函数将线性模型拟合到高维空间中。 在高维空间中获得线性模型等效于将高斯核应用于低维空间中的模型。 可用的线性分类模型包括正则化支持向量机（SVM）和逻辑回归模型。

要训练非线性SVM模型以对内存数据进行二进制分类，请参阅fitcsvm。

% 加载电离层数据集，该数据集具有34个样本和351个标签，可表示雷达的返回bad(b)或good(g)，我一直以为是boy&girl呢
% 训练一个二进制核分类模型，该模型识别雷达回波是不好的（b）还是好的（g）。提取拟合摘要以确定优化算法将模型拟合到数据的程度。
% Mdl是一个分类内核模型。 要检查样本内分类错误，可以将Mdl和训练数据或新数据传递给损失函数。 
% 或者可以将Mdl和新的预测变量数据传递给预测函数，以预测新观测值的类别标签。 还可以将Mdl和训练数据传递到resume恢复功能以继续训练。

对SVM模型进行交叉验证，默认采用10折交叉验证。

注释掉rng一行，将整个代码放入循环，就可以进行多次验证，得到的结果相互独立

又是喜闻乐见的优化，通过细致的参数优化来得到效果较好的SVM模型。

X是预测变量数据，指定为n×p数值矩阵，其中n是样本数，p是每个样本的变量数。

fitckernel仅支持二进制分类。 Y必须完全包含两个不同的类，或者必须使用ClassNames名称/值对参数指定两个要训练的类。

Y的长度必须等于X中的样本数目。

此外，还有输出参数、Limitations、算法和more about等内容，等待着大家探索SVM的热忱之心。

介绍了非线性分类的应用，ClassificationKernel分类内核是使用随机特征扩展的二进制高斯内核分类模型的训练模型对象。 对于具有大量训练集的大数据应用程序，ClassificationKernel更实用，但也可以应用于适合内存的较小数据集。

与其他分类模型不同，出于节省内存的目的，ClassificationKernel模型对象不存储训练数据。 但是，它们确实存储信息，例如扩展空间的维数，内核比例参数，先验概率和正则化强度。

可以使用训练有素的分类内核模型来继续使用训练数据进行训练，并预测新数据的标签或分类分数。 有关详细信息，请参阅和。

uci数据集汇总及翻译

不知道问什么很多人在后台询问uci数据集的下载，但是我好像没有在哪里说过可以在我这里下载的，但是有很多人要，所以这里就做一个搬运。在微信公众号后台回复 uci数据集 即可获得打包的uci数据集，或者从下面这个链接，自己找自己感兴趣的数据集下载：

欢迎大家关注我的微信公众号，未来上面会推送python 机器学习 算法学习 深度学习 论文阅读 以及偶尔的小鸡汤等内容。ようこそいらっしゃい！

多种功能：这个数据集，包括从荷兰实用地图的集合中提取的手写体数字（ 0'结束 -9 “） 功能

蘑菇：从 Audobon 社会领域指南“ ;蘑菇描述的物理特性 ;分类：有毒或食用

麝香（版本 1）：我们的目标是要学会预测是否有新的分子，将麝香或非麝香

麝香（第 2 版）：我们的目标是要学会预测是否有新的分子，将麝香或非麝香

NSF 研究奖论文摘要 1990 年至 2003 年：（一） 129000 摘要描述 NSF 的奖项，用于基础研究（二）字袋从抽象的数据中提取的文件， （三）为索引使用的单词列表，该数据集组成字 袋

苗圃：苗圃数据库是从最初开发托儿所排名应用分层决策模型派生。

在线手写阿萨姆字符数据集：这是一个 8235 联机手写阿萨姆字符的数据集。 “在线”的过程包括数据采集，数字化仪上用电子笔的书面文本。

Opinosis 意见/评论：此数据集包含一个给定的主题从用户评论中提取的句子。示例主题是“表现的丰田佳美”和“音质”的 iPod nano。

OpinRank 审查数据集： 该数据集包含车和酒店收集到到网 （ 259000 评语）和埃德蒙兹（?42230 条评论）的用户评论。

光学识别手写体数字：这个数据库提供的两个版本，请参阅文件夹

奥赛罗域理论：在研究中使用生成归纳学习系统的功能

臭氧浓度检测：两个地面臭氧浓度的数据集都包含在此集合。之一，是 8 个小时的高峰集
年在休斯敦，加尔维斯顿和 Brazoria 区域。

p53 基因突变体： 我们的目标是到模型的基础上从生物物理模拟提取数据的突变型 p53 的转录活性（有源 VS 无效）。

页块分类：问题进行分类的一个已被分割过程中检测到的文件的页面布局的所有块组成。

PEMS - SF： 15 个月，每天的数据（ 440 每日记录）描述的入住率， 0 和 1 之间，不同的汽车车道，旧金山湾地区的高速公路，跨越时间的价值。

基于笔的手写数字识别：来自 44 个作家的 250 个样本的数字数据库

皮马印第安人糖尿病：国立糖尿病，消化道和肾脏疾病研究所 ;包括成本数据（彼得特尼捐赠）

先锋 - 1 移动机器人数据：该数据集包含了时间序列的先锋 - 1 移动机器人的传感器读数。数据分解成“经验”中，机器人需要一段时间的行动和经验的控制

匹兹堡桥梁：桥梁数据库，具有原始和数值离散数据集

植物： 数据已经从美国农业部植物数据库中提取。 它包含在数据库中， 美国和加拿大发生的所有植物（种属）。

牌手：目的是预测扑克牌

手术后的病人：病人的特征数据集

原发肿瘤：肿瘤研究所从卢布尔雅那

伪定期的合成时间系列： 该数据集是测试时间序列数据库中的索引计划的设计。 的数据显示高度周期性的，但永远不会完全重演。

PubChem 数据库生物测定数据：这些高度不平衡的生物测定数据集的筛选不同类型可以使

用高温超导技术。 21 数据集创建了来自 12 个生物测定。

四足哺乳动物：该文件 animals.c 是一个代表四足动物的结构实例的数据发生器

定性结构活性关系：给出两套数据集：嘧啶和三嗪

记录链接比较模式： 元素比较明智的， 从创纪录的联动设置的个人资料记录。 任务是从一个比较模式，决定是否属于一个人的基本纪录。

CT 片的轴向轴的相对位置：数据集包括从 CT 图像中提取的 384 功能。类变量是数值表示的 CT 片对人体的轴向轴的相对位置。

路透社转录子集：创建该数据集是通过读出最大路透社从 10 类 200 个文件，并使用自动语音识别系统，建立相应的改编。

路透 - 21578 文本分类收集：这是出现于 1987 年，路透通讯社的文件的集合。组装和类别索引文件。

机器人执行失败： 此数据集包含后故障检测机器人的力和力矩测量。 每次失败的特点是在固定的时间间隔采集的样品 15 力/力矩

世强：从半导体制造过程中的数据

Semeion 手写体数字： 1593 从 80 人左右的手写数字进行扫描，伸一个矩形框，在 256 个值的灰度的 16x16。

伺服：数据从一个伺服系统的仿真

航天飞机着陆控制：微型数据库 ; 所有标称值

太阳耀斑：每个类的属性一定的阶级，在 24 小时内发生的太阳耀斑的数量进行计数

大豆（大）： MICHALSKI 著名的大豆疾病数据库

大豆（小）： MICHALSKI 著名的大豆疾病数据库

Spambase：归类为“垃圾邮件”或“非垃圾邮件的电子邮件

SPECT 的心脏：心脏单个质子发射计算机断层显像（ SPECT）的图像数据。每个病人分为

两类：正常和不正常的。

SPECTF 心脏：心脏单个质子发射计算机断层显像（ SPECT）的图像数据。每个病人分为两类：正常和不正常的。

口语阿拉伯语位：该数据集包含 MEL 频率倒谱系数（ MFCCs ）讲阿拉伯语数字对应的时间序列。包括 44 男 44 女的母语讲阿拉伯语的数据。

海绵：海绵上的数据，在西班牙语中的属性

Statlog（澳大利亚授信审批）：这个文件是关于信用卡申请。该数据库存在于其他地方略有不同形式的资源库（授信数据库）

Statlog（德国信用数据）：这个数据集划分好坏信贷风险的属性所描述的人。来自于两种格式（所有数字）。还带有一个成本矩阵

Statlog（心） ：这个数据集是一个心脏疾病数据库， 数据库已经在库 （心脏病数据库） 类似， 但略有不同的形式

Statlog（图像分割）：该数据集是一个图像分割数据库，数据库中已存在的资源库（图像分割数据库），但在一个稍微不同的的形式类似。

Statlog（地球资源卫星多光谱）：在 3x3 的街区在卫星图像的像素值，并与中央像素在每个居委会相关的分类

Statlog（班车）：穿梭集包含 20 个属性，所有这一切都是数字。大约 80％的数据属于 1 级

Statlog（车剪影）：在一个物体的二维轮廓的形状特征提取的合奏中的应用 2D 图像的三维对象。

Statlog 项目：各种数据库：车辆 silhouttes，地球资源卫星，航天飞机，澳大利亚信贷审批， 心脏病，图像分割，德国信用

钢板缺陷： 一个数据集钢板断裂，分为 7 个不同的类型。 我们的目标是培养学习机，自动模式识别。

。助学贷款的关系：助学贷款的关系域

合成控制图的时间序列数据的综合生成的控制图组成。

Syskill 和 Webert 网页评价： 该数据库包含网页的 HTML 源代码再加上这些网页上的一个单用户的收视率。网页是在四个不同科目（乐队的录音艺术家 ;山羊 ;绵羊;和生物医学）

助教评价：数据包括教学绩效评价 ;分数“低”，“中等”，或“高”

甲状腺疾病： 10 个单独的数据库 Garavan 研究所

井字脚趾残局：可能的配置的 tic - tac - toe 游戏的二元分类任务

火车： 2 数据格式（结构化，每行一个实例）

第二十新闻组：该数据集由来自 20 个新闻组采取的 20000 消息。

宇治笔特点：数据包括在 UNIPEN 样的格式写入的字符

宇治钢笔字（第 2 版）：一个孤立的手写字符超过 11K 的钢笔型数据库

无证：没有证件的各种数据集（自由探索！）

大学：原（ Lisp 的可读形式）中的数据

UNIX 用户数据：该文件包含 9 套消毒的用户在长达 2 年的，当然从 8 UNIX 计算机用户的命令历史数据绘制在普渡大学。

美国人口普查数据 （ 1990 年）：USCensus1990raw 数据集包含一成市民使用微观数据 （ PUMS ） 人记录完整的 1990 年人口普查抽样抽样样品。

金星上的火山 - JARtool 实验： JARtool 项目是一项开创性的努力开发一个自动化系统编目在大麦哲伦飞船返回的金星图像设置的小火山。

以下壁挂式机器人的导航数据：数据收集的 SCITOS G5 机器人的导航，通过房间下面的墙壁以顺时针方向， 4 轮，使用圆周围的“腰”，安排了 24 超声传感器。

水处理厂：多类预测植物状态

波形数据库生成器（版本 1）：订购书的波形域

波形数据库生成（第 2 版）：订购书的波形域

葡萄酒：使用化学分析器判定葡萄酒的来源。

葡萄酒的质量： 包括两个数据集， 与来自葡萄牙北部的红与白葡萄酒样本样品相关。目标是通过物理化学检验，设计出葡萄酒的质量模型。

年度预测 MSD ：从声音的特征里，预测一首歌曲的发行年份、歌曲大部来自西部的、从 1922 至 2011 年的商业性的音轨，在 2000 年到达顶峰。

酵母 DataSet ：预测蛋白质的细胞定位点。

动物园 DataSet ：人工，其中类别的动物。

kmeans做简单的图像分割

因为这道题目相对的比较简单，就使用和numpy 和matplotlib 这两个库进行代码的浮现

归一化，按照像素作为输入还是3*3窗函数对某一坐标周围的9个点做平均或者最大值和最小值求平均这三种方式对我们的图像进行预处理作为真正的输入。

简单来说就是用两个像素值之间差的绝对值作为相似性的度量，若某一个坐标的像素值与kmeans中的一个代表向量绝对差越小则说明他们越相似的。
由于本题中是像素级别的，并没有涉及到民科夫斯基距离这些可度量距离的概念。

1：确定需要分类的个数K
2：随机选取k个聚类中心
3：遍历数据集中的所有元素，并将其划分到这K个聚类中心代表下的区域里
4：对分别属于这K个聚类区域的里面的元素向量进行求平均得到新的K个聚类中心
5：判断新生成的聚类中心和老的k个中心是否满足循环结束条件（一般来说就是他们变化很小就可以，说明聚类中心收敛到稳定了），不满足返回步骤**3**

可以尝试去学习和证明kmeans算法的收敛性。