用于回归的机器学习
课程模块
使用R2021a创建。与R2021a及后续版本兼容。
描述
这个包包含几个生活的脚本和支持文金宝app件，教授机器学习的基础回归。教材设计灵活，易于修改，以适应各种教学和学习方法。这些内容包括简要的背景、交互式插图、任务、反思问题、电力负荷预测的现实世界应用，以及针对不同概念的指导练习。该模块可用于以回归为中心，对机器学习中的术语和概念进行简单介绍。总的目标是让学生熟悉使用机器学习解决回归问题的典型工作流程、设置和考虑事项。
现场脚本中的说明将指导您完成活动和练习。通过每次运行一个部分来开始每个活动脚本。要在中途停止运行脚本或某个部分(例如，动画正在进行时)，可以使用停止按钮运行部分的住编辑器选项卡在MATLAB工具条中。
建议Prework
MATLAB斜坡弯道-免费的两个小时入门教程，学习MATLAB®的基本知识。额外的编程技能(见MATLAB基础)是有益的，但不是在任务和指令中假定的。
回归基本知识-一个课程模块，涵盖回归分析的基础。
假设之前没有接触过机器学习的主题。
细节
machineLearningIntro.mlx
这是一堂互动课程，介绍了机器学习中的一些关键概念，以及一些回归模型。它包含许多独立的介绍部分，很容易编辑。
学习目标
- 说明回归、分类和聚类问题之间的区别。
- 概述应用机器学习技术的常见步骤。
- 定义特征工程和特征提取。
- 将回归表述为机器学习问题。
- 识别和使用不同的机器学习模型通常用于回归。
- 解释机器学习中的过拟合和欠拟合，并找出至少两种解决这些问题的方法。
loadForecastRegression.mlx，loadForecastRegression_soln.mlx
本课程将指导学生将机器学习应用于实际数据的电力负荷预测。这个脚本可以在两种不同的模式下使用:只使用控件或使用完整的代码。
学习目标
- 应用机器学习工作流中的步骤来解决时间序列预测中的一个实际问题。
- 将时间序列预测问题表述为机器学习问题通过工程适当的特征。
- 验证和比较不同类型的回归模型。
- 测试和评估训练的模型，以作出预测。
electricityLoadDataML.mlx
下载外部电力负荷数据的补充脚本纽约ISO用于loadForecastRegression.mlx．此脚本包含用于下载、组织、格式化和清理原始数据的代码。
FE1_programmaticML.mlx，FE2_loadForecastDL.mlx
这两个脚本包含的想法扩展的实际问题提出loadForecastRegression.mlx．完成这些建议需要一些独立的探索和主动的学习。FE1_programmaticML.mlx鼓励学生编写自己的机器学习算法FE2_loadForecastDL.mlx开始探索用于负荷预测的深度学习。
下载188bet金宝搏
统计和机器学习工具箱™，深度学习工具箱™
许可证
该模块的许可在GitHub存储库中的license . txt文件中可用。
教育资源
有什么问题或反馈吗?联系MathWorks在线教学团队。
版权所有:The MathWorks, Inc.
引用作为
艾玛·史密斯·兹巴斯基(2021)。用于回归的机器学习GitHub (https://github.com/MathWorks-Teaching-Resources/Machine-Learning-for-Regression/releases/tag/v1.1.0)。检索．
