基于MATLAB的机器学习

这门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^™. 本课程演示如何使用无监督学习来发现大数据集中的特征，并使用监督学习来构建预测模型。示例和练习突出显示和评估结果的技术。主题包括：

先决条件

这门课程也以在线的、自定进度的形式提供。

自定进度的课程通过浏览器提供与MATLAB的积极互动，您可以在任何时间、任何地点以自己的速度完成实践练习。

观察：自行配速训练的优势(1:03)

第1天，共2天
导入和组织数据	目标：将数据导入MATLAB并组织分析，包括规范化数据和删除缺失值的观测值。数据类型桌子分类数据数据准备
在数据中寻找自然模式	目标：使用无监督学习技术根据一组解释变量对观察结果进行分组，并发现数据集中的自然模式。无监督学习聚类方法聚类评价和解释
建筑物分类模型	目标：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。监督学习培训和验证分类方法

第2天，共2天
改进预测模型	目标：减少数据集的维数。改进和简化机器学习模型。交叉验证超参数优化特征变换特征选择集成学习
构建回归模型	目标：使用监督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价
创建神经网络	目标：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。自组织映射聚类前馈网络分类前馈网络回归

查看您是否有资格享受学术用户的折扣定价。

当你注册这些课程之一时，你可以相信，它不会因为任何原因被取消或重新安排。

结果1-8/8

清除过滤器

结果1-8/8

该定价适用于在美国购买和使用，也适用于其他地区的定价联系销售. 产品价格不包括销售、使用、消费税、增值税或其他税费。与本次采购相关的任何适用税费、关税、征税、评估和政府收费将在订单上进行评估。提到培训政策的更多信息