赛斯迪兰,MathWorks
学习如何在MATLAB中使用机器学习工具®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集群,其中对象被分组到具有相似特征的箱子中;回归,即对变量之间的关系进行估计;分类,一个训练过的模型被用来预测分类反应。让我们看看机器学习工作流中的步骤。您可能在许多地方都有数据,比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,数据有缺失或不正确的值。查找、删除和清理数据的功能使您能够为分析数据做好准备。
诸如数据趋势、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,您可以研究您的数据,确定关键特征,并交流您的发现。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,比如在本例中,我们将逻辑回归、判别分析和k近邻应用到我们的数据集。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
神经网络也是监督和非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,指导您通过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,这样我们才能对结果有信心。在这个例子中,我们比较了不同的算法如何准确地分类我们的测试数据。通常,为了使模型在最终应用程序中运行得更快,需要对模型进行改进。每个模型细化和约简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性子集。
机器学习算法经常用于企业系统。使用MATLAB编译器和add-on builder产品,您可以将MATLAB模型直s manbetx 845接集成到用Java编写的应用程序中,而. net模型也可以作为Excel外接程序和独立的可执行程序部署。有关机器学习的更多信息,请点击下面的链接。