使用 MATLAB 进行机器学习分步.pdf

《使用 MATLAB 进行机器学习分步.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、精通机器学习MATLAB分步实施指南简介本电子书建立在使用MATLAB进行机器学习的基础上，后者回顾了机训练：迭代进行，直到取得令人满意的性能。器学习基础知识，并介绍了监督和无监督学习的技术方法。ACCESSANDEXTRACTOPTIMIZETRAINMODELMODELPREPROCESSDATAFEATURESPARAMETERSACCESSANDEXTRACTOPTIMIZE我们使用心音分类器为例，向您介绍真实世界中的机器学习应用程序从TRAINMODELMODELPREPROCESSDATAFEATURESPARAMETERSABC加载数据到部署训练模型的整

2、个开发流程。对于每个训练阶段，我们将ABC演示取得精确模型的关键技术，帮助您掌握更具挑战性的训练任务，包括选择算法、优化模型参数和避免过拟合。在本电子书中，您还将学习如何将模型转变成预测工具，具体包括在新数据上进行训练、提取特征以及生成代码部署到嵌入式设备。预测：将训练好的模型集成到应用程序中。CAPTUREEXTRACTCAPTUREEXTRACTRUNMODELPREDICTION复习基础知识SENSORDATAFEATURESRUNMODELPREDICTIONSENSORDATAFEATURES机器学习概述3:02使用MATLAB进行机器学习ABCABC2

3、精

4、通机器学习使用MATLAB构建心音分类应用程序心音是早期诊断心脏疾病的丰富信息源。区分正常与不正常心音需要由经过特别训练的临床医生完成。我们的目标是开发一个能识别不正常心NORMALHEARTSOUNDRECORDINGCLASSIFICATIONALGORITHM音的机器学习应用程序。使用心音监测应用程序，当专家不在场时，普ABNORMAL通医护人员也能够筛查心脏疾病，而患者亦能够进行自我监测。我们遵循以下步骤来开发此应用程序：1.访问和探查数据。2.预处理数据并提取特征。3.开发预测模型。4.优化模型。5.将分析方法部署到生产系统。我们建议您亲自完成该示例。只需下

5、载该MATLAB®代码，然后依照贯穿本电子书中的“实际操作练习”注解进行操作。所需工具下载免费的MATLAB30天试用版进行机器学习。心音分类器和应用程序原型图示。3

6、精通机器学习步骤1.访问和探查数据我们示例使用的数据集来自2016年PhysioNetandComputinginCardiology挑战赛，包含数千条记录的心音，长度从5 秒到120秒不实际操作练习运行实时编辑器脚本的第一部分。该脚本将来自2016年PhysioNetandComputinginCardiology挑战赛的心音数据集下载到您的本地工作区。等。该数据集包括3240条用于模型训练的记录和3

7、01条用于模型验证的记录。下载该数据后，我们将训练和验证数据集分别存放在各自的文件夹中，这是机器学习中的标准步骤。在MATLAB实时编辑器中生成的不正常心音的绘图。探查数据实际操作练习任何机器学习项目的第一步是了解您使用的是什么样的数据。探查数据倾听代码示例的主目录中提供的不正常和正常心音的样本。MATLAB提供AudioRead（音频读取）的常见方法包括检查一些样本、创建可视化以及（更高级的）运用信号和AudioPlayer（音频播放），用于处理音频文件。这些文件在示例脚本的“Whatdoesan(ab)处理或聚类技术识别规律。normalheartsoundlik

8、e?”（何为正常/不正常心音？）部分中使用。要了解区分正常与不正常心音涉及什么，让我们从倾听一些样本开始。您可能注意到不正常心音有较高的频率，在心跳之间有杂音。正常心音4

9、精通机器学习步骤1.访问和探查数据–续分析信号比较规则，在心跳之间无杂音。在这种初始探查数据和分类任务之后，我们将所有数据载入内存进行预使用SignalProcessingToolbox™中的SignalAnalyzerapp并排查看处理。MATLAB可以轻松地加载跨多个目录分布的大数据集：它在整个频域中的信号，无需编写任何代码，即可更深入地理解这些信号间的差数据集上创建一个句柄，然后可以读取内存中

10、的一个或多个数据块。对异。于大数据集，MATLAB能跨多个计算资源分布执行。每条记录都是一个音频文件，标注为不正常或正常。因为我们知道数据集中每个文件的真正类别（“真实值”），所以我们可以运用监督式学习，接受已知的输入数据集和该数据的已知响应（输出），然后训练模型，使模型能够对新数据的响应产生合理的预测。实际操作练习要将训练数据和相应的真正类别载入内存，请运行示例中的“准备将数据读入内存”和“创建含有文件名和标签的表”。SignalAnalyzerapp中显示的正常心音（左）和不正常心音（右）。红色箭头指出不正常心音在频谱中200Hz左右的尖峰。5

11、