赛斯·德兰,马修斯
了解如何在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提高决策。机器学习应用程序的示例包括群集,其中对象被分组为具有类似特征的箱子;回归,其中估计变量之间的关系;和分类,其中培训的模型用于预测分类响应。让我们来看看机器学习工作流程中的步骤。您可能在许多地方有数据,例如多个电子表格和数据库。
MATLAB提供了交互式工具,可以轻松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,使您能够自动化任务。通常情况下,数据的值丢失或不正确。查找、删除和清理数据的功能使您能够准备好数据进行分析。
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,您可以探索您的数据,识别关键特征,并传达您的发现。对于特定问题,最好的机器学习算法并不总是显而易见的。统计工具箱具有各种算法可供选择。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,例如在本例中,我们对数据集应用逻辑回归、判别分析和K近邻。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无监督学习的常见方法。神经网络工具箱提供了额外的算法和点击应用程序,这些应用程序指导您完成培训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性能是非常重要的,这样我们才能对结果有信心。在本例中,我们比较了不同算法正确分类测试数据的准确程度。通常,需要对模型进行优化,以便它们在最终应用程序中运行得更快。每个模型的工具精细化和简化使您能够分析算法参数的影响,并确定可用于产生类似结果的特征子集。
机器学习算法通常用于企业系统。使用MATLAB编译器和加载项生成器产品,您可以将MATLAB模型直接集成到用Java编写的应用程序中,.NET模型也可以部署为Excel加载项和独立可执行文件。有关机器学习的详细信息,s manbetx 845请单击下面的链接。
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。