回归机器学习或MATLAB在线开放
课程模块
使用R2021a创建。兼容R2021a及后续版本。
描述
这个包包含几个生活的脚本以及教授回归机器学习基础知识的支持文件。材料设计灵活,可以很容易地修改,以适应各种教学和学习方法。其中包括简要的背景知识、交互式插图、任务、反思问题、电力负荷预测中的实际应用,以及针对所探索的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。总体目标是让学生熟悉典型的工作流程、设置和使用机器学习解决回归问题所涉及的注意事项。
现场脚本中的说明将指导您完成活动和练习。通过一次运行一个部分来开始每个活动脚本。若要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。运行部分的Live Editor选项卡在MATLAB工具条。
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,但在任务和说明中没有假设。
回归基本知识-课程模块,涵盖回归分析的基础知识。
假定您之前没有接触过机器学习的主题。
细节
machineLearningIntro.mlx
MATLAB在线开放一个交互式课程,介绍了机器学习中的一些关键概念,以及一些回归模型。它包含许多易于编辑的独立介绍部分。
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。
- 将回归定义为一个机器学习问题。
- 识别和使用通常用于回归的不同机器学习模型。
- 解释机器学习中的过拟合和欠拟合,并确定至少两种解决这些问题的方法。
loadForecastRegression.mlx
,loadForecastRegression_soln.mlx
MATLAB在线开放
指导学生通过步骤将机器学习应用于使用真实数据的电力负荷预测。此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。
- 测试和评估训练后的模型,以做出预测。
electricityLoadDataML.mlx
MATLAB在线开放
用于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
MATLAB在线开放
这两个脚本包含扩展中提出的实际问题的想法loadForecastRegression.mlx
.贯彻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。
2022世界杯八强谁会赢?
MATLAB,统计和机器学习工具箱™
许可证
该模块的许可证在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.
The MathWorks, Inc.版权所有
引用作为
艾玛·史密斯·兹巴斯基(2022)。回归机器学习GitHub (https://github.com/MathWorks-Teaching-Resources/Machine-Learning-for-Regression/releases/tag/v1.1.2)。检索.