Maschinelles Lernen mit MATLAB
Programm ansehen und anmeldenKursbeschreibung
- Daten organisieren und vorverarbeiten
- Daten clustern
- Klassifikations- und Regressionsmodelle erstellen
- Modelle interpretieren und bewerten
- Datensätze vereinfachen
- Ensembles einsetzen, um die Modellleistung zu verbessern
Tag 1 von 2
Daten importieren und organisieren
Ziel: Importieren Sie Daten in MATLAB und strukturieren Sie sie für die Analyse – einschließlich Normalisieren der Daten und Entfernen von Beobachtungen mit fehlenden Werten.
- Datentypen
- Tabellen
- Datenaufbereitung
Natürliche Muster in Daten finden
Ziel: Setzen Sie Verfahren des unüberwachten Lernens ein, um Beobachtungen anhand erklärender Variablen zu gruppieren und natürliche Muster in einem Datensatz zu entdecken.
- Unüberwachtes Lernen
- Clustering-Methoden
- Cluster bewerten und interpretieren
Klassifikationsmodelle erstellen
Ziel: Setzen Sie Verfahren des überwachten Lernens ein, um prädiktive Modelle für Klassifikationsaufgaben zu erstellen. Bewerten Sie die Genauigkeit eines Vorhersagemodells.
- Überwachtes Lernen
- Training und Validierung
- Klassifikationsmethoden
Tag 2 von 2
Prädiktive Modelle verbessern
Ziel: Reduzieren Sie die Dimensionalität eines Datensatzes. Verbessern und vereinfachen Sie Machine-Learning-Modelle.
- Kreuzvalidierung
- Hyperparameteroptimierung
- Merkmalstransformation
- Merkmalsauswahl
- Ensemble-Learning
Regressionsmodelle erstellen
Ziel: Setzen Sie Verfahren des überwachten Lernens ein, um prädiktive Modelle für kontinuierliche Zielvariablen zu erstellen.
- Parametrische Regressionsmethoden
- Nichtparametrische Regressionsmethoden
- Regressionsmodelle bewerten
Neuronale Netze erstellen
Ziel: Erstellen und trainieren Sie neuronale Netze für die prädiktive Modellierung. Passen Sie die Netzwerkarchitektur an, um die Leistung zu verbessern.
- Klassifikation mit Feedforward-Netzen
- Regression mit Feedforward-Netzen
Stufe: Aufbaukurse
Voraussetzungen:
Dauer: 2 Tage
Sprachen: English, 中文, 日本語, 한국어
