MATLAB pro strojové učení: MATABLAT: Praktické příklady regrese, shlukování a neuronových sítí

Recenze čtenářů

Kniha slouží jako základní úvod do strojového učení s využitím MATLABu s návodem krok za krokem a praktickými příklady. Byla však kritizována pro svou nadbytečnost, chyby v kódu a nedostatečnou hloubku matematických vysvětlení.

Návod krok za krokem pro začátečníky, obsahuje praktické příklady s využitím MATLABu, obecně dobrý fyzický stav při převzetí.

Omezené porozumění technikám strojového učení ze strany autora, nadbytečný jazyk, mnoho odstavců zkopírovaných z oficiální dokumentace MATLABu, obsahuje četné chyby v kódu, chybí podrobná matematická vysvětlení.

(na základě 6 hodnocení čtenářů)

Původní název:

MATLAB for Machine Learning: Practical examples of regression, clustering and neural networks

Obsah knihy:

Získávání vzorů a znalostí z dat snadným způsobem pomocí MATLABu

Klíčové funkce

⬤ Získejte první zkušenosti se strojovým učením s pomocí tohoto přehledného průvodce.

⬤ Naučte se pomocí MATLABu regresi, shlukování, klasifikaci, prediktivní analýzu, umělé neuronové sítě a další.

⬤ Poznejte, jak fungují vaše data, a identifikujte skryté vrstvy v datech s pomocí strojového učení.

Popis knihy

MATLAB je pro mnoho výzkumníků a odborníků na matematiku jazykem, který si vybírají pro strojové učení. Tato kniha vám pomůže vybudovat základy strojového učení pomocí MATLABu pro začátečníky.

Začnete tím, že si připravíte systém t he MATLAB environment for machine learning a uvidíte, jak snadno pracovat s pracovním prostředím Matlabu. Poté přejdeme k čištění dat, vytěžování a analýze různých typů dat ve strojovém učení a uvidíte, jak zobrazit hodnoty dat na grafu. Dále se seznámíte s různými typy regresních technik a s tím, jak je aplikovat na data pomocí funkcí MATLABu.

Porozumíte základním konceptům neuronových sítí a budete provádět fitting dat, rozpoznávání vzorů a shlukovou analýzu. Nakonec prozkoumáte techniky výběru a extrakce příznaků pro snížení dimenzionality za účelem zlepšení výkonu.

Na konci knihy se naučíte vše spojit do reálných případů pokrývajících hlavní algoritmy strojového učení a budete pohodlně provádět strojové učení pomocí MATLABu.

Co se naučíte

⬤ Znát úvodní pojmy strojového učení.

⬤ Objevit různé způsoby transformace dat pomocí nástrojů SAS XPORT, import a export,.

⬤ Prozkoumat různé typy regresních technik, jako je jednoduchá a vícenásobná lineární regrese, obyčejný odhad nejmenších čtverců, korelace a jak je aplikovat na data.

⬤ Objevte základy klasifikačních metod a jak implementovat algoritmus Naive Bayes a rozhodovací stromy v prostředí Matlab.

⬤ Zjistěte, jak používat metody shlukování, jako je hierarchické shlukování, k seskupování dat pomocí měr podobnosti.

⬤ Zjistěte, jak provádět fitování dat, rozpoznávání vzorů a shlukovou analýzu s pomocí MATLAB Neural Network Toolbox.

⬤ Výběr a extrakce prvků pro snížení dimenzionality vedoucí ke zlepšení výkonu.