Question

求高手帮我翻译下这段matlab程序，也求讲解，在线等，谢谢~~

Example: Using the text-based interface
Here is an example of using the text-based interface. The graphical interface suffices for most purposes, so you probably will not have to use the text-based interface. However, take a look at the list of available algorithms, below.

##load data set
>> load datasets/clouds
>> whos
Name Size Bytes Class

distribution_parameters 1x2 1464 struct array
patterns 2x5000 80000 double array
targets 1x5000 40000 double array

Grand total is 15076 elements using 121464 bytes

Data sets are stored as two variables in Matlab, patterns and targets.

## Choose test methods, training data and test data
%Make a draw according to the error method chosen
>> L = length(targets);
percent=20;
[test_indices, train_indices] = make_a_draw(floor(percent/100*L), L);
train_patterns = patterns(:, train_indices);
train_targets = targets (:, train_indices);
test_patterns = patterns(:, test_indices);
test_targets = targets (:, test_indices);

## Choose a classifier. Find out parameters using help <classifier name>
>> help Nearest_Neighbor

Classify using the Nearest neighbor algorithm
Inputs:
train_patterns - Train patterns
train_targets - Train targets
test_patterns - Test patterns
Knn - Number of nearest neighbors

Outputs
test_targets - Predicted targets

## Build the classifier and classify the data
>> test_out=Nearest_Neighbor(train_patterns,train_targets,test_patterns,3);

## Estimate the error
>>error=mean(test_targets ~= test_out)

error =

0.1313

Answer 1

例如：使用文本界面

这里是一个例子，使用文本界面。图形界面足够的用途，所以你不可能使用文本界面。然而，看一看，现有的算法列表，以下。

##加载数据集

>>负荷数据/云

>>谁

名称的大小字节级

distribution_parameters欧盘1464结构数组

模式2x500080000双阵列

目标1x500040000双阵列

总计为15076个元素使用121464个字节

数据集存储在变量中，模式和目标。

##选择试验方法，训练数据和测试数据

%使画根据错误的选择方法

>>=长度（目标）；

%=20；

[test_indices，train_indices]=make_a_draw（楼（%/100 *我），我）；

train_patterns=模式（train_indices：，）；

train_targets=目标（：，train_indices）；

test_patterns=模式（test_indices：，）；

test_targets=目标（：，test_indices）；

##选择分类器。找出参数使用帮助<分类器名称>

>>帮助nearest_neighbor

利用最近邻算法分类

输入：

train_patterns-训练模式

train_targets-训练目标

test_patterns-测试模式

最近邻-邻居数

输出

test_targets-预测目标

##建立分类和分类数据

>>test_out=nearest_neighbor（train_patterns，train_targets，test_patterns，3）；

##估计误差

>>=平均（test_targets~=test_out）

误差=

0.1313

Answer 2

举个例子：使用基于文本的界面
下面是一个使用基于文本的界面的例子。对于大多数用途的图形界面就足够了，所以你可能不会使用基于文本的界面。然而，看看可用的算法列表。
＃加载数据集
>>负荷数据集/云
>>卫生组织
名称大小的字节级

distribution_parameters1X21464结构数组
模式2x500080000双阵列
目标1x500040000双阵列

总计是15076元素，使用121464字节

数据集存储在MATLAB中，模式和目标的两个变量。

＃选择的测试方法，训练数据和测试数据
％根据错误方法的选择，做一个平局
>> L =长度（目标）;
％=20;
[test_indices，train_indices]= make_a_draw（地板（percent/100* L），L）;
train_patterns=模式（：train_indices）;
train_targets=目标（：train_indices）;
test_patterns=模式（：test_indices）;
test_targets=目标（：test_indices）;

＃选择一个分类。使用帮助<classifier名称>参数
>>帮助Nearest_Neighbor

输入：
train_patterns - 火车模式
train_targets - 火车的目标
test_patterns - 测试模式
KNN - 近邻数

输出
test_targets - 预测目标

＃建立分类和分类数据
>> test_out= Nearest_Neighbor（train_patterns，train_targets，test_patterns，3）;

＃＃估计错误
>>错误=平均（test_targets〜= test_out）

错误=

0.1313

Answer 3

Example: Using the text-based interface
例如：使用文本界面
Here is an example of using the text-based interface. The graphical interface suffices for most purposes, so you probably will not have to use the text-based interface. However, take a look at the list of available algorithms, below.
这里是一个例子，使用文本界面。图形界面足够的用途，所以你不可能使用文本界面。然而，看一看，现有的算法列表，以下。
##load data set
##加载数据集
>> load datasets/clouds
>>负荷数据/云
>> whos
>>谁
Name Size Bytes Class
名称的大小字节级
distribution_parameters 1x2 1464 struct array
distribution_parameters欧盘1464结构数组
patterns 2x5000 80000 double array
模式2x500080000双阵列
targets 1x5000 40000 double array
目标1x500040000双阵列
Grand total is 15076 elements using 121464 bytes
总计为15076个元素使用121464个字节
Data sets are stored as two variables in Matlab, patterns and targets.
数据集存储在变量中，模式和目标。
## Choose test methods, training data and test data
##选择试验方法，训练数据和测试数据
%Make a draw according to the error method chosen
%使画根据错误的选择方法
>> L = length(targets);
>>=长度（目标）；
percent=20;
%=20；
[test_indices, train_indices] = make_a_draw(floor(percent/100*L), L);
[test_indices，train_indices]=make_a_draw（楼（%/100 *我），我）；
train_patterns = patterns(:, train_indices);
train_patterns=模式（train_indices：，）；
train_targets = targets (:, train_indices);
train_targets=目标（：，train_indices）；
test_patterns = patterns(:, test_indices);
test_patterns=模式（test_indices：，）；
test_targets = targets (:, test_indices);
test_targets=目标（：，test_indices）；
## Choose a classifier. Find out parameters using help <classifier name>
##选择分类器。找出参数使用帮助<分类器名称>
>> help Nearest_Neighbor
>>帮助nearest_neighbor
Classify using the Nearest neighbor algorithm
利用最近邻算法分类
Inputs:
输入：
train_patterns - Train patterns
train_patterns-训练模式
train_targets - Train targets
train_targets-训练目标
test_patterns - Test patterns
test_patterns-测试模式
Knn - Number of nearest neighbors
最近邻-邻居数
Outputs
输出
test_targets - Predicted targets
test_targets-预测目标
## Build the classifier and classify the data
##建立分类和分类数据
>> test_out=Nearest_Neighbor(train_patterns,train_targets,test_patterns,3);
>>test_out=nearest_neighbor（train_patterns，train_targets，test_patterns，3）；
## Estimate the error
##估计误差
>>error=mean(test_targets ~= test_out)
>>=平均（test_targets~=test_out）
error =
误差=
0.1313
0.1313

Answer 4

范例：使用基于文本的界面
下面是一个使用基于文本的界面的例子。对于大多数用途的图形界面就足够了，所以你可能不会使用基于文本的界面。然而，看看可用的算法列表，下面。

＃加载数据集
>>负荷数据集/云
>>卫生组织
名称大小的字节级

distribution_parameters1X21464结构数组
模式2x500080000双阵列
目标1x500040000双阵列

总计是15076元素，使用121464字节

数据集存储在MATLAB中，模式和目标的两个变量。

＃选择的测试方法，训练数据和测试数据
％根据错误方法的选择，做一个平局
>> L =长度（目标）;
％=20;
[test_indices，train_indices]= make_a_draw（地板（percent/100* L），L）;
train_patterns=模式（：train_indices）;
train_targets=目标（：train_indices）;
test_patterns=模式（：test_indices）;
test_targets=目标（：test_indices）;

＃选择一个分类。使用帮助<classifier名称>参数
>>帮助Nearest_Neighbor

分类使用最近邻算法
输入：
train_patterns - 火车模式
train_targets - 火车的目标
test_patterns - 测试模式
KNN - 近邻数

输出
test_targets - 预测目标

＃建立分类和分类数据
>> test_out= Nearest_Neighbor（train_patterns，train_targets，test_patterns，3）;

＃＃估计错误
>>错误=平均（test_targets〜= test_out）

错误=

0.1313