matlab机器学习入门---大纲

提示：本文章所属专栏主要教会大家如何用matlab进行机器学习，属于机器学习入门，原理较少，实操较多，想短时间内应用机器学习解题的可入

文章目录

• 前言
• 一、matlab机器学习内容
• 二、matlab机器学习步骤
• • 1.数据预处理
  • 2.选择合适的模型
  • 3.预测分类结果
• 三 、注意事项

前言

网上大多有关机器学习的教程与文章中较少有关matlab的一般是python那些，这边主要介绍如何应用matlab进行机器学习。以及用机器学习解数模赛题的一般步骤。

一、matlab机器学习内容

本专栏主要介绍如何用机器学习解决分类问题。对于回归问题，之后有时间会出。专栏内容主要为以下我做的思维导图为主：
（手机可能看不清，建议用电脑）

二、matlab机器学习步骤

1.数据预处理

1.样本数据并非都对分类结果有结果，例如2022数模国赛玻璃样品编号就对分类结果无影响，应当剔除。
2.处理异常值，异常值可能会影响分类结果
3.处理缺失值
4.数据可视化

2.选择合适的模型

导入数据，用matlab的机器学习工具箱训练所有模型，这边提示一下，机器学习不是一个模型，而是一个模型的集合，常见的有决策树，KNN，SVM等，训练完后，选择准确率较高的几个模型进行调参，调参需要导出代码，加入几个循环语句，每一个模型都有它的最佳参数，有它的最佳准确率，但是准确率并非是评价模型好坏的唯一标准，还有诸如F1分数，ROC曲线等具体选择哪一个指标依样本情况而定，这边只是粗略概括，具体见以后文章。

3.预测分类结果

导入待分类样品的数据，用训练好的模型