用于回归的机器学习
课程模块
使用R2021A创建。兼容R2021A及更高版本。
描述
此包包含几个直播脚本并支持教万博1manbetx授机器学习基础回归的文件。这些材料设计为灵活，可以很容易地修改以适应各种教学和学习方法。其中包括简短的背景，互动插图，任务，反思问题，在电力负荷预测中的真实应用，以及探索不同概念的引导练习。该模块可用于提供对机器学习中的术语和概念的光引入，以回归为中心。总体目标是熟悉典型的工作流程，设置和涉及机器学习的回归问题所涉及的学生。
实时脚本内的说明将指导您完成活动和练习。通过一次运行一个部分，使用每个实时脚本开始。要停止运行脚本或MIDWAY（例如，当动画正在进行时），请使用停止按钮在跑部分直播编辑选项卡在MATLAB TOOLSTRIP中。
建议的拍卖时间
Matlab Onramp.- 使用两小时的介绍性教程学习MATLAB®的必需品。额外的编程技巧（见Matlab基础知识）是有益的，但在任务和指示中没有假设。
回归基础知识- 课程模块，以涵盖回归分析的基础。
假设没有先前接触机器学习的主题。
细节
machinelearningintro.mlx.
一个互动课程，在机器学习中引入了一些关键概念，以及一些回归模型。它包含许多独立的介绍性部分，易于编辑。
学习目标
- 陈述回归，分类和聚类问题之间的差异。
- 概述应用机器学习技术所涉及的常用步骤。
- 定义特征工程和功能提取。
- 将回归制定为机器学习问题。
- 识别并使用常用于回归的不同机器学习模型。
- 解释机器学习的过度装备和垫地，并识别至少两种解决这些问题的方法。
loadforecastregression.mlx.那loadforecastregression_soln.mlx.
学生通过施行机器学习的步骤来指导使用真实数据的电力负荷预测。此脚本可用于两种不同的模式：仅限控件或完整的代码。
学习目标
- 应用机器学习工作流程中的步骤，解决时间序列预测中的实际问题。
- 通过工程适当的特征将时间序列预测问题作为机器学习问题。
- 验证和比较不同类型的回归模型。
- 测试和评估训练有素的模型以进行预测。
电气载荷Dataml.mlx.
一个补充脚本，用于下载外部电力负载数据纽约ISO.用于使用loadforecastregression.mlx.。此脚本包含用于下载，组织，格式化和清理原始数据的代码。
fe1_programmaticml.mlx.那fe2_loadforecastdl.mlx.
这两个脚本包含展示在呈现的实际问题上的想法loadforecastregression.mlx.。通过建议的工作需要一些独立的探索和积极的学习。fe1_programmaticml.mlx.鼓励学生写自己的机器学习算法，fe2_loadforecastdl.mlx.开始探索负荷预测的深度学习。
s manbetx 845
MATLAB，统计和机器学习工具箱™，深度学习工具箱™
执照
此模块的许可证在此GitHub存储库中的License.txt文件中可用。
万博1manbetx
有任何问题或反馈？联系MathWorks在线教学团队。
版权所有2021 Mathworks，Inc。
