MATLAB的机器学习
查看时间表和注册课程详情
这项为期两天的课程着重于MATLAB中的数据分析和机器学习技术®在统计信息和机器学习Toolbox™和Deep Learning Toolbox™中使用功能。该课程证明了使用无监督的学习来发现大型数据集中的功能和监督学习以构建预测模型。示例和练习突出了可视化和评估结果的技术。
主题包括:
- 组织和预处理数据
- 聚类数据
- 创建分类和回归模型
- 解释和评估模型
- 简化数据集
- 使用合奏提高模型性能
第2天的第2天
导入和组织数据
客观的:将数据带入MATLAB并组织其分析,包括使数据正常化和删除具有缺失值的观察结果。
- 数据类型
- 表
- 分类数据
- 数据准备
在数据中找到自然模式
客观的:根据一组解释变量,使用无监督的学习技术来进行小组观察,并在数据集中发现自然模式。
- 无监督的学习
- 聚类方法
- 集群评估和解释
建筑分类模型
客观的:使用监督的学习技术对分类问题进行预测建模。评估预测模型的准确性。
- 监督学习
- 培训和验证
- 分类方法
第2天的第2天
改进预测模型
客观的:降低数据集的维度。改进和简化机器学习模型。
- 交叉验证
- 超参数优化
- 功能转换
- 功能选择
- 合奏学习
建筑回归模型
客观的:使用监督的学习技术对连续响应变量进行预测建模。
- 参数回归方法
- 非参数回归方法
- 回归模型的评估
创建神经网络
客观的:创建和训练神经网络进行聚类和预测建模。调整网络体系结构以提高性能。
- 与自组织地图聚类
- 用馈送网络分类
- 通过馈送网络回归