2019冠状病毒病(COVID-19)更新
由于对新冠肺炎疫情的高度关注，我们正在增加更多由教师指导的在线培训课程，以替代课堂课程。
基于MATLAB的机器学习
这个为期两天的课程专注于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™深度学习工具箱™．本课程演示了如何使用无监督学习来发现大数据集的特征，以及如何使用监督学习来建立预测模型。示例和练习突出了可视化和评价结果的技术。主题包括:
- 数据的组织和预处理
- 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
基于MATLAB的机器学习
先决条件
| 第2天 | |
|---|---|
| 导入和组织数据 | 摘要目的:将数据带入MATLAB并组织起来进行分析，包括对数据进行归一化和删除缺失值的观测结果。
|
| 在数据中寻找自然模式 | 摘要目的:使用无监督学习技术，根据一组解释变量对观察结果进行分组，并在数据集中发现自然模式。
|
| 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。
|
| 第2天 | |
|---|---|
| 改进预测模型 | 摘要目的:降低数据集的维数。改进和简化机器学习模型。
|
| 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。
|
| 建立神经网络 | 摘要目的:创建和训练神经网络聚类和预测建模。调整网络架构，提升性能。
|
