Машинное обучение применяется во многих областях науки и техники. Среди них - медицинская диагностика, распознавание речи и рукописного текста, автоматизированные торговые системы, рекомендации к просмотру видео, методы принятия важных бизнес-решений. Каждая проблема машинного обучения является уникальной, поэтому она может быть сложной в понимании исходных данных, определении ключевых особенностей, которые влияют на модель, обучении нескольких моделей и выполнении оценкок модели.
В ходе вебинара мы расскажем об основах машинного обучения с использованием MATLAB®. На двух примерах мы рассмотрим типичные рабочие процессы для обучения с учителем (классификация) и обучения без учителя (кластеризации).
В первом примере мы проведем классификацию активности на основе данных, полученных с телефона. Второй пример из области распознавания образов – классификация объекта по видео изображению.
Основные моменты включают
- Доступ, исследование, анализ и визуализации данных в MATLAB
- Использование интерактивного приложения Classification Learner и встроенных функций Statistics and Machine Learning Toolbox™ для выполнения общих задач машинного обучения, таких как:
- Выбор характеристик и их преобразование
- Выбор схемы кросс-валидации
- Обучение классификационных выборок, включая метод опорных векторов (SVM), деревья решений на основе бустинга и бутстрепа, k ближайших соседей и дискриминантный анализ
- Оценка модели и сравнений моделей на основе матриц несоответствия и РОК кривой для выбора лучшей модели
- Интеграция моделей для машинного зрения, обработка сигналов и анализ данных
