Ocena:
Książka służy jako podstawowe wprowadzenie do uczenia maszynowego przy użyciu MATLAB, ze wskazówkami krok po kroku i praktycznymi przykładami. Została jednak skrytykowana za nadmiarowość, błędy w kodzie i brak dogłębnych wyjaśnień matematycznych.
Zalety:Wskazówki krok po kroku dla początkujących, zawiera praktyczne przykłady z wykorzystaniem MATLAB, ogólnie dobry stan fizyczny po dostarczeniu.
Wady:Ograniczone zrozumienie technik uczenia maszynowego przez autora, nadmiarowy język, wiele akapitów skopiowanych z oficjalnej dokumentacji MATLAB, zawiera liczne błędy w kodzie, brakuje szczegółowych wyjaśnień matematycznych.
(na podstawie 6 opinii czytelników)
MATLAB for Machine Learning: Practical examples of regression, clustering and neural networks
Wyodrębnianie wzorców i wiedzy z danych w prosty sposób za pomocą MATLAB
Główne cechy
⬤ Pierwsze kroki w uczeniu maszynowym z pomocą tego łatwego w użyciu przewodnika.
⬤ Naucz się regresji, klastrowania, klasyfikacji, analityki predykcyjnej, sztucznych sieci neuronowych i wielu innych za pomocą MATLAB.
⬤ Zrozum, jak działają twoje dane i zidentyfikuj ukryte warstwy w danych dzięki mocy uczenia maszynowego.
Opis książki
MATLAB jest językiem wybieranym przez wielu badaczy i ekspertów matematycznych do uczenia maszynowego. Ta książka pomoże ci zbudować podstawy uczenia maszynowego przy użyciu MATLAB dla początkujących.
Zaczniesz od przygotowania swojego systemu do pracy w środowisku MATLAB do uczenia maszynowego i zobaczysz, jak łatwo wchodzić w interakcje z obszarem roboczym Matlaba. Następnie przejdziemy do oczyszczania danych, eksploracji i analizy różnych typów danych w uczeniu maszynowym oraz zobaczymy, jak wyświetlać wartości danych na wykresie. Następnie poznasz różne rodzaje technik regresji i dowiesz się, jak zastosować je do swoich danych za pomocą funkcji MATLAB.
Zrozumiesz podstawowe koncepcje sieci neuronowych i wykonasz dopasowywanie danych, rozpoznawanie wzorców i analizę klastrów. Wreszcie, poznasz techniki selekcji i ekstrakcji cech w celu redukcji wymiarowości i poprawy wydajności.
Pod koniec książki nauczysz się łączyć to wszystko w rzeczywiste przypadki obejmujące główne algorytmy uczenia maszynowego i będziesz czuć się komfortowo w wykonywaniu uczenia maszynowego za pomocą MATLAB.
Czego się nauczysz
⬤ Poznaj wstępne koncepcje uczenia maszynowego.
⬤ Odkryć różne sposoby przekształcania danych za pomocą SAS XPORT, narzędzi importu i eksportu.
⬤ Poznaj różne rodzaje technik regresji, takie jak prosta i wielokrotna regresja liniowa, zwykła estymacja najmniejszych kwadratów, korelacje i jak zastosować je do swoich danych.
⬤ Odkryj podstawy metod klasyfikacji i jak zaimplementować algorytm Naive Bayes i drzewa decyzyjne w środowisku Matlab.
⬤ Dowiedz się, jak używać metod grupowania, takich jak grupowanie hierarchiczne, do grupowania danych przy użyciu miar podobieństwa.
⬤ Wiedza na temat dopasowywania danych, rozpoznawania wzorców i analizy skupień za pomocą MATLAB Neural Network Toolbox.
⬤ Uczenie się selekcji i ekstrakcji cech w celu zmniejszenia wymiarowości, co prowadzi do poprawy wydajności.
