MATLAB 和 Simulink 培训

使用MATLAB 进行机器学习

查看时间表并报名

课程详细信息

本课程为期两天,重点介绍在 MATLAB® 中使用 Statistics and Machine Learning Toolbox™ 和 Deep Learning Toolbox™ 中数据分析和机器学习技术。本课程演示如何通过非监督学习发现大数据集的特点,以及通过监督学习建立预测模型。课程中的示例和练习强调用于呈现和评估结果的技巧。
 
内容包括:
 
  • 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
  • 使用集成改进模型性能

第1天 (共2天)


导入和组织数据

目标: 将数据导入 MATLAB 并进行分析,包括归一化数据,移除缺失数据观测值。

  • 数据类型
  • 表格
  • 数据准备

寻找数据内在模式

目标: 使用无监督学习技术基于一组解释变量组织观测值,发现数据集内在模式。

  • 无监督学习
  • 聚类分析法
  • 聚类验证和解释

建立分类模型

目标: 对于分类问题,使用监督学习技术进行预测建模。评估预测模型的准确性。

  • 监督学习
  • 训练和验证
  • 分类方法

第2天 (共2天)


改进预测模型

目标: 减小数据集维数。改善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

建立回归模型

目标: 对于连续响应变量,使用有监督的学习技术进行预测建模。

  • 参数回归方法
  • 非参数回归方法
  • 回归方法评估

创建神经网络

目标: 创建和训练神经网络用于聚类分析和预测建模。调整网络结构改善性能。

  • 自组织映射聚类分析
  • 前馈网络分类
  • 前馈网络回归

难度: 中级

课程要求:

持续时间: 2 天

语言: Deutsch, English, 日本語, 한국어, 中文

查看时间表并报名