基于MATLAB的机器学习

这个为期两天的课程侧重于MATLAB中的数据分析和机器学习技术^®使用统计和机器学习工具箱中的功能^™和深度学习工具箱^™．本课程演示了如何使用非监督学习来发现大型数据集中的特征，以及如何使用监督学习来建立预测模型。示例和练习强调了可视化和结果评估的技术。主题包括:

先决条件

这门课程也以在线的、自定进度的形式提供。

细节和发射

第二天的第一天
导入和组织数据	摘要目的:将数据导入MATLAB进行整理分析，包括对数据进行归一化，剔除缺失值的观测值。数据类型表分类数据数据准备
在数据中寻找自然模式	摘要目的:使用无监督学习技术根据一组解释变量来分组观察，并发现数据集中的自然模式。无监督学习聚类方法聚类评价与解释
构建分类模型	摘要目的:使用监督学习技术对分类问题进行预测建模。评估预测模型的准确性。监督式学习培训和验证分类方法

第二天
改进预测模型	摘要目的:对数据集进行降维。改进和简化机器学习模型。交叉验证 Hyperparameter优化功能转换特征选择整体学习
构建回归模型	摘要目的:使用监督学习技术对连续响应变量进行预测建模。参数回归方法非参数回归方法回归模型评价
建立神经网络	摘要目的:创建和训练用于聚类和预测建模的神经网络。调整网络结构，提高性能。使用自组织映射的集群前馈网络分类前馈网络的回归

看看你是否有资格为学术用户打折。

当你注册这些课程之一时，你可以相信，它不会因为任何原因被取消或重新安排。

结果9中1 - 9

结果9中1 - 9

此价格适用于在美国购买和使用，适用于其他地区的价格联系销售．产品价格不包括销售税、使用税、消费税、增值税或其他税收。与此购买相关的任何适用的税收、关税、征税、评估和政府费用将在订单上进行评估。指培训政策的更多信息