Olvasói vélemények
Összegzés:A könyv a MATLAB segítségével történő gépi tanulás alapszintű bevezetéseként szolgál, lépésről lépésre történő útmutatással és gyakorlati példákkal. Kritikát kapott azonban a redundanciája, a kódban található hibák és a matematikai magyarázatok mélységének hiánya miatt.
Előnyök:Lépésről lépésre útmutatás kezdőknek, gyakorlati példákat tartalmaz a MATLAB használatával, érkezéskor általában jó fizikai állapotban.
Hátrányok:A szerző korlátozottan érti a gépi tanulási technikákat, redundáns nyelvezet, sok bekezdés a MATLAB hivatalos dokumentációjából másolt, számos kódhibát tartalmaz, hiányoznak a részletes matematikai magyarázatok.
(6 olvasói vélemény alapján)
Eredeti címe:
MATLAB for Machine Learning: Practical examples of regression, clustering and neural networks
Könyv tartalma:
Minták és tudás kinyerése az adatokból egyszerű módon a MATLAB segítségével
Főbb jellemzők
⬤ Tegye meg első lépéseit a gépi tanulásban ennek a könnyen követhető útmutatónak a segítségével.
⬤ Tanuljon regressziót, klaszterezést, osztályozást, prediktív elemzést, mesterséges neurális hálózatokat és még sok mást a MATLAB segítségével.
⬤ Tudja meg, hogyan működnek az adatai, és ismerje fel az adatok rejtett rétegeit a gépi tanulás erejével.
Könyvismertető
A MATLAB számos kutató és matematikai szakértő számára a gépi tanulás nyelvének választása. Ez a könyv segít megalapozni a gépi tanulást a MATLAB segítségével kezdőknek.
Azzal kezdi, hogy felkészíti a rendszerét a t he MATLAB környezetével a gépi tanuláshoz, és meglátja, hogyan léphet könnyedén kapcsolatba a Matlab munkaterületével. Ezután áttérünk az adattisztításra, a bányászatra és a különböző adattípusok gépi tanulásban történő elemzésére, és meglátja, hogyan jelenítheti meg az adatértékeket egy grafikonon. Ezután megismerkedik a regressziós technikák különböző típusaival és azzal, hogyan alkalmazhatja őket adataira a MATLAB függvények segítségével.
Megérti a neurális hálózatok alapfogalmait, és adatillesztést, mintafelismerést és klaszterelemzést végez. Végezetül a teljesítmény javítása érdekében felfedezheti a dimenziócsökkentési technikákat a jellemzők kiválasztására és kinyerésére.
A könyv végén megtanulja mindezt a főbb gépi tanulási algoritmusokat lefedő valós esetekbe illeszteni, és kényelmesen végezhet gépi tanulást a MATLAB segítségével.
Amit tanulni fog
⬤ Megtanulja a gépi tanulás bevezető fogalmait.
⬤ Felfedezi az adatok átalakításának különböző módjait a SAS XPORT, az importáló és exportáló eszközök,.
⬤ Felfedezi a regressziós technikák különböző típusait, mint például az egyszerű és többszörös lineáris regresszió, a közönséges legkisebb négyzetek becslése, korrelációk, és hogyan alkalmazza ezeket az adataira.
⬤ Találkozzon az osztályozási módszerek alapjaival, és ismerje meg, hogyan lehet a Naive Bayes algoritmust és a döntési fákat Matlab-környezetben implementálni.
⬤ Tudja meg, hogyan használhat klaszterezési módszereket, például hierarchikus klaszterezést az adatok csoportosítására a hasonlósági mértékek segítségével.
⬤ Tudja, hogyan végezhet adatillesztést, mintafelismerést és klaszterelemzést a MATLAB Neural Network Toolbox segítségével.
⬤ Jellemzők kiválasztásának és kinyerésének megtanulása a dimenziócsökkentés érdekében, ami jobb teljesítményt eredményez.
