机器学习与MATLAB概述
学习如何在MATLAB中使用机器学习工具®可用于解决回归、聚类和分类问题。
机器学习使用从数据中学习的算法来帮助做出更好的决策。机器学习应用的例子包括聚类,将对象分组到具有相似特征的箱子中;回归,估计变量之间的关系;分类,用训练过的模型来预测分类反应。让我们来看看机器学习工作流中的步骤。您可能在许多地方有数据,例如多个电子表格和数据库。
MATLAB提供了交互式工具,可以轻松地执行各种机器学习任务,包括连接和导入数据。应用程序可以生成MATLAB代码,使您能够自动完成任务。通常,数据有缺失或不正确的值。查找、删除和清理数据的函数使您能够为分析数据做好准备。
数据趋势、模式和异常值等信息可以帮助我们决定应用哪种机器学习技术。使用数据可视化工具,您可以探索您的数据,识别关键特征,并交流您的发现。对于一个特定的问题,最好的机器学习算法并不总是显而易见的。统计工具箱有各种各样的算法可供选择。这些算法使用相似的语法。
这使您能够快速地尝试几种不同的机器学习方法,就像在这个例子中,我们对数据集应用逻辑回归、区别分析和k近邻。有些机器学习算法需要大量的计算。您可以使用对并行计算的内置支持来加速这些算法。
神经网络也是监督学习和非监督学习的常用方法。神经网络工具箱提供额外的算法和指向点击应用程序,指导您通过训练和测试神经网络的过程。
在训练了不同的模型之后,比较它们在测试数据上的表现是非常必要的,这样我们才能对结果有信心。在这个例子中,我们比较了不同算法对测试数据正确分类的准确性。通常,为了使模型在最终应用程序中运行得更快,需要对模型进行细化。每个模型的细化和简化工具使您能够分析算法参数的影响,并识别可用于产生类似结果的特征子集。
机器学习算法常用于企业系统中。使用MATLAB Compiler和外接程序构建器产品,您可以将您的MATLAB模型2022世界杯八强谁会赢?直接集成到用Java编写的应用程序中,而. net模型也可以作为Excel外接程序和独立的可执行程序部署。有关机器学习的更多信息,请点击下面的链接。
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。