回归的机器学习或在MATLAB在线打开
课程模块
使用R2021a创建。兼容R2021a及后续版本。
描述
这个包包含以下几个生活的脚本以及教授回归机器学习基础知识的辅助文件。教材设计灵活,易于修改,以适应各种教学方法。这些内容包括简要的背景知识、交互式插图、任务、反思问题、电力负荷预测的实际应用,以及探索的不同概念的指导练习。该模块可以用来提供机器学习中的术语和概念的简单介绍,以回归为中心。总体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、设置和注意事项。
现场脚本内的说明将指导您通过活动和练习。通过每次运行一个部分来开始使用每个活动脚本。若要在中途停止运行脚本或部分(例如,当动画正在进行时),请使用停止按钮运行在MATLAB工具条中的Live Editor选项卡部分。
建议Prework
MATLAB斜坡弯道-免费两小时的入门教程,学习MATLAB®的基本知识。额外的编程技能(参见MATLAB基础)是有益的,但不是在任务和指示中假定的。
回归基本知识-课程模块涵盖回归分析的基础知识。
假设之前没有接触过机器学习的主题。
细节
machineLearningIntro.mlx
在MATLAB在线打开一个交互式的课程,介绍机器学习中的一些关键概念,以及一些回归模型。它包含了许多易于编辑的独立的介绍部分。
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所涉及的常见步骤。
- 定义特征工程和特征提取。
- 将回归表述为一个机器学习问题。
- 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过拟合,并确定至少两种解决这些问题的方法。
loadForecastRegression.mlx
,loadForecastRegression_soln.mlx
在MATLAB在线打开
指导学生通过使用真实数据将机器学习应用于电力负荷预测的步骤。该脚本可以在两种不同的模式下使用:仅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。
- 通过工程设计适当的特征,将时间序列预测问题表述为机器学习问题。
- 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
在MATLAB在线打开
用于下载外部电力负荷数据的补充脚本纽约ISO用于loadForecastRegression.mlx
.该脚本包含用于下载、组织、格式化和清理原始数据的代码。
FE1_programmaticML.mlx
,FE2_loadForecastDL.mlx
在MATLAB在线打开
这两个脚本包含了扩展在中提出的实际问题的想法loadForecastRegression.mlx
.完成这些建议需要一些独立的探索和积极的学习。FE1_programmaticML.mlx
鼓励学生写自己的机器学习算法FE2_loadForecastDL.mlx
开始探索负荷预测的深度学习。
2022世界杯八强谁会赢?
MATLAB,统计和机器学习工具箱™
许可证
这个模块的许可在这个GitHub存储库中的license . txt文件中可用。
支持
有任何问题或反馈吗?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(2022年)。回归的机器学习GitHub (https://github.com/MathWorks-Teaching-Resources/Machine-Learning-for-Regression/releases/tag/v1.1.2)。检索.