机器学习与MATLAB概述
学习如何在MATLAB中学习机器工具®可用于解决回归、聚类和分类问题。
机器学习使用从数据中学习的算法来帮助做出更好的决策。机器学习应用的例子包括聚类,将对象分组到具有相似特征的箱子中;回归,估计变量之间的关系;还有分类,用训练过的模型来预测分类反应。让我们来看看机器学习工作流程中的步骤。您可能在许多地方有数据,例如多个电子表格和数据库。
MATLAB提供了交互式工具,可以轻松地执行各种机器学习任务,包括连接和导入数据。应用程序可以生成MATLAB代码,使您能够自动执行任务。通常情况下,数据有缺失或不正确的值。用于查找、删除和清理数据的函数使您能够为分析数据做好准备。
数据趋势、模式和异常值等信息可以帮助我们决定应用哪种机器学习技术。使用数据可视化工具,您可以探索您的数据,确定关键特征,并传达您的发现。对于一个特定的问题,最好的机器学习算法是什么并不总是显而易见的。统计工具箱有各种各样的算法可供选择。这些算法使用类似的语法。
这使您能够快速尝试几种不同的机器学习方法,就像在这个例子中,我们对数据集应用逻辑回归、判别分析和k近邻。一些机器学习算法是计算密集型的。您可以使用内置的并行计算支持来加速这些算法。万博1manbetx
神经网络也是有监督和无监督学习的常用方法。神经网络工具箱提供了额外的算法和指向点击应用程序,指导您完成训练和测试神经网络的过程。
在训练了不同的模型之后,比较它们在测试数据上的表现是很重要的,这样我们才能对我们的结果有信心。在这个例子中,我们比较了不同算法对测试数据正确分类的准确性。通常,为了使模型在最终应用程序中运行得更快,需要对模型进行细化。针对模型细化和缩减的工具使您能够分析算法参数的影响,并识别可用于产生类似结果的特征子集。
机器学习算法经常用于企业系统中。使用MATLAB编译器和外接程序构建器产品,您可以将MATLAB模型直接集成到用Jas manbetx 845va编写的应用程序中,而. net模型也可以部署为Excel外接程序和独立的可执行文件。有关机器学习的更多信息,请点击下面的链接。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。