文章目錄

• 一、基礎(chǔ)知識(shí)
• • 1. 如何獲取幫助
  • 2、程序的分節(jié)與注釋
  • 3、 矩陣的基本操作
  • 4、函數(shù)的創(chuàng)建與引用
  • 5、快捷繪圖方式
  • 6、常用標(biāo)點(diǎn)的功能
  • 7、常用操作指令
  • 8、Matlab開發(fā)模式
  • 9、機(jī)器學(xué)習(xí)的方法
  • • （1）分類方法
    • （2）聚類方法
  • 10、深度學(xué)習(xí)的訓(xùn)練方法
  • 11、神經(jīng)網(wǎng)絡(luò)的原理
• 二、快速入門
• • 1. 繪圖x-y圖像
  • 2、讀取數(shù)據(jù)
  • 3、讀取圖片
  • 4、讀取視頻
  • 5、數(shù)據(jù)的預(yù)處理
  • 6、數(shù)據(jù)的可視化
  • 7、數(shù)據(jù)降維
• 三、常見的數(shù)學(xué)建模
• • 1、評(píng)估股票的風(fēng)險(xiǎn)和價(jià)值
  • 2、一元線性回歸
  • • （1）一元線性回歸
    • （2）非線性回歸
  • 3、灰色預(yù)測(cè)方法
  • 4、規(guī)劃問題
  • 5、全局優(yōu)化算法
  • 第九章未完......

一、基礎(chǔ)知識(shí)

1. 如何獲取幫助

2、程序的分節(jié)與注釋

3、 矩陣的基本操作

https://blog.csdn.net/u014421797/article/details/81274543

4、函數(shù)的創(chuàng)建與引用

https://blog.csdn.net/Avici0929/article/details/89163803

5、快捷繪圖方式

https://blog.csdn.net/qq_42764468/article/details/99828108

6、常用標(biāo)點(diǎn)的功能

• , ——要顯示計(jì)算結(jié)果的指令與其后面指令之間的分隔；輸入量與輸入量之間的分隔；數(shù)組元素的分隔
• ; ——結(jié)尾標(biāo)志；數(shù)組行間的分隔
• : ——生成一維數(shù)組；用作單下標(biāo)援引時(shí)，表示全部元素構(gòu)成的長(zhǎng)列；用作多下標(biāo)援引時(shí)，表示維度上的全部元素
• % ——注釋符號(hào)
• ’ ’ ——字符串標(biāo)識(shí)符
• () ——數(shù)組援引時(shí)用；函數(shù)指令時(shí)表示輸入變量
• [] ——輸入數(shù)組時(shí)用；函數(shù)指令時(shí)表示輸出變量
• {} ——元胞數(shù)組標(biāo)記符
• (…) ——續(xù)行號(hào)

7、常用操作指令

8、Matlab開發(fā)模式

命令行模式、腳本模式、面向?qū)ο竽Ｊ饺呦嗷ヅ浜稀⒉粩嗵嵘?/p>

面向?qū)ο蟆獙⒅貜?fù)使用的腳本抽象成函數(shù)

9、機(jī)器學(xué)習(xí)的方法

（1）分類方法

K-近鄰分類：計(jì)算每個(gè)訓(xùn)練樣例到待分類樣品的距離，取和待分類樣品距離最近的k個(gè)訓(xùn)練樣例，k個(gè)樣品中哪個(gè)類別的訓(xùn)練樣例占多數(shù)，則待分類元組就屬于哪個(gè)類別

貝葉斯分類

支持向量機(jī)分類

（2）聚類方法

K-means聚類

層次聚類

模糊C-均值聚類

10、深度學(xué)習(xí)的訓(xùn)練方法

自底向上的非監(jiān)督學(xué)習(xí)：從底層開始，一層一層地往頂層訓(xùn)練

自頂向下的監(jiān)督學(xué)習(xí)：通過帶標(biāo)簽的數(shù)據(jù)去訓(xùn)練，誤差自頂向下傳輸，對(duì)網(wǎng)絡(luò)進(jìn)行微調(diào)

11、神經(jīng)網(wǎng)絡(luò)的原理

人工神經(jīng)網(wǎng)絡(luò)ANN：應(yīng)用類似于大腦神經(jīng)突觸連接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型，神經(jīng)網(wǎng)絡(luò)通常需要進(jìn)行訓(xùn)練，訓(xùn)練的過程就是網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)的過程，訓(xùn)練改變了網(wǎng)絡(luò)結(jié)點(diǎn)的連接權(quán)的值，使其具有分類的功能。

二、快速入門

1. 繪圖x-y圖像

導(dǎo)入xls文件的數(shù)據(jù)，輸出數(shù)值矩陣，導(dǎo)入所選內(nèi)容

在工作區(qū)可以看到導(dǎo)入的列矩陣

腳本如下：

x=test1(:,1);
y=test1(:,2);
plot(x,y)

結(jié)果：

2、讀取數(shù)據(jù)

從EXCEL讀取數(shù)據(jù)
a=xlsread(‘D:CO2.xlsx’,2,‘A1:B5’);

• 2表示Sheet2
• 寫入用xlswrite

從TXT讀取數(shù)據(jù)
load(‘***.txt’); //存儲(chǔ)
[A,B,C,D]=textread(‘filename’,‘format’,N,‘headerlines’,M)

format表示讀取變量的字段格式
N表示讀取的次數(shù)
headerlines表示從第M+1行開始讀取

printf函數(shù)

3、讀取圖片

imread函數(shù)

2013年碎紙機(jī)切割問題

4、讀取視頻

5、數(shù)據(jù)的預(yù)處理

缺失值處理：刪除法、插補(bǔ)法

噪聲過濾：回歸法、均值平滑法、離群點(diǎn)分析法、低通濾波

數(shù)據(jù)集成

數(shù)據(jù)歸約

數(shù)據(jù)變換：標(biāo)準(zhǔn)化、離散化、語(yǔ)義轉(zhuǎn)換

6、數(shù)據(jù)的可視化

基本可視化

數(shù)據(jù)分布形狀可視化——柱狀分布圖

數(shù)據(jù)關(guān)聯(lián)可視化——各變量之間的關(guān)系

數(shù)據(jù)分組可視化

7、數(shù)據(jù)降維

PAC基本思想：設(shè)法將原來眾多具有一定相關(guān)性的變量重新組合成為一組新的相互無關(guān)的綜合變量來代替原來的變量。

三、常見的數(shù)學(xué)建模

1、評(píng)估股票的風(fēng)險(xiǎn)和價(jià)值

2、一元線性回歸

（1）一元線性回歸

采用LinearModel.fit函數(shù)進(jìn)行線性回歸

m2=LilearModel.fit(x,y);

采用regress函數(shù)進(jìn)行回歸

Y=y’;
X=[ones(size(x,2),1),x’];
[b,bint,r,rint,s]=regress(Y,X);

（2）非線性回歸

3、灰色預(yù)測(cè)方法

灰色預(yù)測(cè)方法：常規(guī)的一種預(yù)測(cè)手段，具有操作簡(jiǎn)便、所需數(shù)據(jù)量少等優(yōu)點(diǎn)，一般主要4個(gè)數(shù)據(jù)就可依據(jù)灰色序列進(jìn)行預(yù)測(cè)了

白色模型：信息完全透明的模型
黑色模型：對(duì)信息一無所知的模型
灰色模型：了解信息但又不能完全掌握的模型

4、規(guī)劃問題

線性規(guī)劃：linprog函數(shù)

非線性回歸：fmincon函數(shù)

二次規(guī)劃：quadprog函數(shù)

0-1整數(shù)規(guī)劃：inglinprog函數(shù)

5、全局優(yōu)化算法

遺傳算法：ga函數(shù)

模擬退火算法：遺傳算法函數(shù)simulannealbnd函數(shù)

3. 全局優(yōu)化算法求解器一覽表

第九章未完…

總結(jié)

以上是生活随笔為你收集整理的Matlab数学建模笔记的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。