使用MATLAB 进行机器学习

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:

MATLAB 基础

持续时间: 2 天

语言: Deutsch, English, Français, 日本語, 한국어, 中文

查看时间表并报名