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®在统计信息和计算机学习工具箱中使用功能™和深度学习工具箱™。该课程展示了使用无监督的学习来发现大数据集中的功能和监督学习构建预测模型。示例和练习突出显示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
- 使用集成来提高模型性能
基于MATLAB的机器学习
先决条件
| 第1天 | |
|---|---|
| 导入和组织数据 | 客观的：将数据带入MATLAB并组织它进行分析，包括标准化数据并使用缺失值删除观察。
|
| 在数据中寻找自然模式 | 客观的：根据一组解释变量使用无监督的学习技术来分组观察，并在数据集中发现自然模式。
|
| 建筑分类模型 | 客观的：使用监督学习技术来对分类问题进行预测建模。评估预测模型的准确性。
|
| 第2天的第2天 | |
|---|---|
| 改善预测模型 | 客观的：减少数据集的维度。改进和简化机器学习模型。
|
| 构建回归模型 | 客观的：使用监督学习技术对连续响应变量进行预测建模。
|
| 创建神经网络 | 客观的：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。
|
