基于MATLAB的机器学习
这个为期两天的课程侧重于MATLAB中的数据分析和机器学习技术®使用统计和机器学习工具箱中的功能™和深度学习工具箱™。本课程演示了如何使用非监督学习来发现大型数据集中的特征，以及如何使用监督学习来建立预测模型。示例和练习强调了可视化和结果评估的技术。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
- 解释和评价模型
- 简化数据集
- 使用集成来提高模型性能
基于MATLAB的机器学习
先决条件
| 第二天的第一天 | |
|---|---|
| 导入和组织数据 | 摘要目的:将数据导入MATLAB进行整理分析，包括对数据进行归一化，剔除缺失值的观测值。
|
| 在数据中寻找自然模式 | 摘要目的:使用无监督学习技术根据一组解释变量来分组观察，并发现数据集中的自然模式。
|
| 构建分类模型 | 摘要目的:使用监督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。
|
| 第二天 | |
|---|---|
| 改进预测模型 | 摘要目的:对数据集进行降维。改进和简化机器学习模型。
|
| 构建回归模型 | 摘要目的:使用监督学习技术对连续响应变量进行预测建模。
|
| 建立神经网络 | 摘要目的:创建和训练用于聚类和预测建模的神经网络。调整网络结构，提高性能。
|
