Bewertung:
Das Buch dient als grundlegende Einführung in das maschinelle Lernen mit MATLAB, mit schrittweiser Anleitung und praktischen Beispielen. Es wurde jedoch wegen seiner Redundanz, der Fehler im Code und der mangelnden Tiefe der mathematischen Erklärungen kritisiert.
Vorteile:Schritt-für-Schritt-Anleitung für Anfänger, mit praktischen Beispielen unter Verwendung von MATLAB, allgemein guter physischer Zustand bei Ankunft.
Nachteile:Begrenztes Verständnis des Autors für Techniken des maschinellen Lernens, redundante Sprache, viele aus der offiziellen MATLAB-Dokumentation kopierte Absätze, zahlreiche Code-Fehler, fehlende detaillierte mathematische Erklärungen.
(basierend auf 6 Leserbewertungen)
MATLAB for Machine Learning: Practical examples of regression, clustering and neural networks
Extrahieren Sie mit MATLAB auf einfache Weise Muster und Wissen aus Ihren Daten.
Hauptmerkmale
⬤ Mit Hilfe dieses leicht verständlichen Leitfadens machen Sie Ihre ersten Schritte im maschinellen Lernen.
⬤ Lernen Sie Regression, Clustering, Klassifizierung, Predictive Analytics, künstliche neuronale Netze und mehr mit MATLAB.
⬤ Verstehen Sie, wie Ihre Daten funktionieren und identifizieren Sie verborgene Schichten in den Daten mit den Möglichkeiten des maschinellen Lernens.
Buchbeschreibung
MATLAB ist für viele Forscher und Mathematikexperten die Sprache der Wahl für maschinelles Lernen. Dieses Buch hilft Ihnen, eine Grundlage für maschinelles Lernen mit MATLAB für Anfänger zu schaffen.
Sie beginnen damit, Ihr System mit der MATLAB-Umgebung für maschinelles Lernen vorzubereiten und erfahren, wie Sie einfach mit dem MATLAB-Arbeitsbereich interagieren können. Dann geht es weiter mit der Datenbereinigung, dem Mining und der Analyse verschiedener Datentypen beim maschinellen Lernen, und Sie erfahren, wie Sie Datenwerte in einem Diagramm darstellen können. Als Nächstes lernen Sie die verschiedenen Arten von Regressionstechniken kennen und erfahren, wie Sie diese mithilfe der MATLAB-Funktionen auf Ihre Daten anwenden können.
Sie werden die grundlegenden Konzepte neuronaler Netze verstehen und Datenanpassung, Mustererkennung und Clustering-Analyse durchführen. Schließlich werden Sie Techniken zur Merkmalsauswahl und -extraktion für die Dimensionalitätsreduktion zur Leistungsverbesserung erkunden.
Am Ende des Buches werden Sie lernen, alles in reale Fälle umzusetzen, die die wichtigsten Algorithmen des maschinellen Lernens abdecken, und Sie werden in der Lage sein, maschinelles Lernen mit MATLAB durchzuführen.
Was Sie lernen werden
⬤ Lernen Sie die einführenden Konzepte des maschinellen Lernens.
⬤ Entdecken Sie verschiedene Möglichkeiten der Datentransformation mit SAS XPORT, Import- und Export-Tools.
⬤ Erforschen Sie die verschiedenen Arten von Regressionstechniken wie einfache und multiple lineare Regression, gewöhnliche Kleinstquadrate, Korrelationen und wie Sie diese auf Ihre Daten anwenden können.
⬤ Entdecken Sie die Grundlagen der Klassifizierungsmethoden und wie man den Naive Bayes Algorithmus und Entscheidungsbäume in der Matlab-Umgebung implementiert.
⬤ Entdecken Sie, wie man Clustering-Methoden wie hierarchisches Clustering verwendet, um Daten mit Hilfe von Ähnlichkeitsmaßen zu gruppieren.
⬤ Wissen, wie man Datenanpassung, Mustererkennung und Clustering-Analysen mit Hilfe der MATLAB Neural Network Toolbox durchführt.
⬤ Lernen Sie die Auswahl und Extraktion von Merkmalen zur Dimensionalitätsreduzierung, um die Leistung zu verbessern.
| ISBN: | 9781788398435 |
| Autor: | |
| Verlag: | |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
