Matlabによる機械学習

1 日目

デタのンポトと整理

目的:デタをmatlabにンポトし解析する方法にいて学びます。解析にはデタの正規化，欠損デタ値をも観測値の削除などが含まれます。

• デ，タのテ，ブル
• カテゴリカルデ，タ
• デ，タの前処理

デ，タの妥当なパタ，ンの検出

目的:教師なし学習のテクニックであるクラスタリングを使用して,類似性の尺度に基づきデータセットをグループに分割し,データセット内の妥当なパターンを検出する方法について学びます。なお，変数の次元を削減する方法として主成分分析を復習します。

• 教師なし学習
• 次元の削減
• クラスタ，の作成
• クラスタ，の評価と解釈

分類モデルの構築

目的:教師あり学習のテクニックである分類を使用して，分類問題に対して予測モデルを構築する方法を学びます。また，モデルの学習率と予測精度も評価します。

• 教師あり学習と分類
• 学習と検証
• 分類手法

2 日目

予測モデルの改善

目的:デ、タセットの次元を削減し、機械学習の分類モデルを単純化および改善する方法に、いて学びます。

• 交差検定
• ハパパラメタの最適化
• 特徴変換
• 特徴選択
• アンサンブル学習

回帰モデルの作成

目的:教師あり学習のテクニックである回帰を使用して,連続応答変数に対して予測モデルを構築する方法を学びます。また，モデルの学習率と予測精度も評価します。

• パラメトリックモデル
• ノンパラメトリックモデル
• 正則化と特徴選択

ニュ，ラルネットワ，クの作成

目的:クラスタリングと予測モデル構築のためにニュラルネットワクを学習させる方法にいて学びます。また，ネットワ，クをチュ，ニングし，性能を改善する方法も学びます。

• 自己組織化マップによるクラスタリング
• フィ，ドフォワ，ドネットワ，クによる分類
• フィ，ドフォワ，ドネットワ，クによる回帰