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^®在统计信息和计算机学习工具箱中使用功能^™和深度学习工具箱^™。该课程展示了使用无监督的学习来发现大数据集中的功能和监督学习构建预测模型。示例和练习突出显示可视化和评估结果的技术。主题包括：

先决条件

本课程也以在线，自定节奏格式提供。

细节发射

第1天
导入和组织数据	目的：将数据带入MATLAB并组织它进行分析，包括标准化数据并使用缺失值删除观察。数据类型桌子分类数据数据准备
在数据中寻找自然模式	目的：根据一组解释变量使用无监督的学习技术来分组观察，并在数据集中发现自然模式。无人监督的学习聚类方法集群评估和解释
建筑分类模型	目的：使用监督学习技术来对分类问题进行预测建模。评估预测模型的准确性。监督学习培训和验证分类方法

第2天的第2天
改善预测模型	目的：减少数据集的维度。改进和简化机器学习模型。交叉验证 HyperParameter优化功能转换功能选择合奏学习
构建回归模型	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的评估
创建神经网络	目的：为聚类和预测建模创建和训练神经网络。调整网络结构，提高性能。聚类与自组织地图使用前馈网络进行分类回归前馈网络

看看您是否有资格获得学术用户的折扣定价。

当你注册这些课程时，你可以相信它不会因为任何原因被取消或重新安排。

结果是1胜11负

清除过滤器

结果是1胜11负

定价适用于美国购买和使用，用于其他地区定价联系销售。产品价格不包括销售，使用，消费，增值或其他税收。将根据订单评估与此次购买的任何适用税收，职责，征税，评估和政府费用。参考培训政策的更多信息