更新时间：2020-05-21 10:47:05
封面
版权信息
内容提要
作者简介
技术审稿人简介
前言
资源与支持
第1章 MATLAB机器学习初体验
1.1 机器学习基础
1.2 机器学习算法的分类
1.3 选择正确的算法
1.4 构建机器学习模型的流程
1.5 MATLAB中的机器学习支持简介
1.6 统计机器学习工具箱
1.7 神经网络工具箱
1.8 MATLAB中的统计学和线性代数
1.9 总结
第2章 使用MATLAB导入数据和组织数据
2.1 熟悉MATLAB桌面
2.2 将数据导入MATLAB
2.3 从MATLAB导出数据
2.4 处理媒体文件
2.5 数据组织
2.6 总结
第3章 从数据到知识挖掘
3.1 区分变量类别
3.2 数据准备
3.3 探索性统计指标——数值测量
3.4 探索性可视化
3.5 总结
第4章 找到变量之间的关系——回归方法
4.1 寻找线性关系
4.2 如何创建一个线性回归模型
4.3 多项式回归
4.4 回归学习器App
4.5 总结
第5章 模式识别之分类算法
5.1 决策树分类
5.2 概率分类模型——朴素贝叶斯分类
5.3 判别分析分类
5.4 k邻近算法
5.5 MATLAB分类学习器App
5.6 总结
第6章 无监督学习
6.1 聚类分析简介
6.2 层次聚类算法
6.3 k均值聚类——基于均值聚类
6.4 k中心点聚类——基于样本中心聚类
6.5 高斯混合模型聚类
6.6 总结
第7章 人工神经网络——模拟人脑的思考方式
7.1 神经网络简介
7.2 神经网络基础构成
7.3 神经网络工具箱
7.4 工具箱的用户界面
7.5 使用神经网络进行数据拟合
7.6 总结
第8章 降维——改进机器学习模型的性能
8.1 特征选择
8.2 特征提取
8.3 总结
第9章 机器学习实战
9.1 用于预测混凝土质量的数据拟合
9.2 使用神经网络诊断甲状腺疾病
9.3 使用模糊聚类对学生进行分簇
9.4 总结
