实例介绍
以MATLAB自带的Fisher Iris（安德森鸢尾花）数据集为研究对象，综合运用数据可视化、分类建模与模型评估方法，完成一个典型的监督学习分类实验。
通过实验，理解机器学习中“数据准备—数据探索—训练集与测试集划分—模型训练—模型测试—结果评价”的完整流程，并掌握 MATLAB 中相关函数的基本使用方法。
· 熟悉鸢尾花数据集的结构及 4 个数值型特征的含义。
· 掌握散点图矩阵、箱线图在探索性数据分析中的作用。
· 掌握决策树模型的训练与预测方法。
· 理解训练集与测试集分离的必要性，以及混淆矩阵的评价意义。
· 通过 KNN 对比实验，了解不同分类算法的基本特点。
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论