MATLAB 实践机器学习

🧠 MATLAB 机器学习（ML）简明教程

从通用编程到机器学习，你需要关注的核心变化是 从“如何计算”转向“如何让机器从数据中学习”。在MATLAB中，这得益于其强大的工具箱和矩阵运算能力，使得实现机器学习算法变得直观高效。

本教程将带你了解MATLAB进行机器学习的关键路径和核心操作。

一、 🛠️ 核心工具箱与准备工作

进行机器学习前，你首先需要了解和准备相应的工具箱。

• 必需工具箱：主要依赖 Statistics and Machine Learning Toolbox 和 Deep Learning Toolbox。请使用 ver 命令检查是否已安装。
• 学习模式：机器学习主要分为 监督学习（有标签，如分类、回归）和 无监督学习（无标签，如聚类）。

二、 📊 数据处理与特征工程

数据是机器学习的基础，处理流程至关重要。

1. 数据导入与探索

   % 从CSV文件读取数据到表格
   data = readtable('your_dataset.csv');
   % 查看前几行和摘要信息
   head(data)
   summary(data)

2. 数据清洗与预处理

   % 处理缺失值：删除包含NaN的行
   data = rmmissing(data);
   % 或将缺失值替换为该列均值
   data.Variable1(isnan(data.Variable1)) = mean(data.Variable1, 'omitnan');
   
   % 数据规范化（将特征缩放到[0,1]区间）
   data_normalized = normalize(data, 'range');

3. 特征选择与降维

   % 使用主成分分析（PCA）进行降维
   [coeff, score, latent] = pca(data_normalized);
   % latent 显示各主成分解释的方差，可用于决定保留多少维度
   explained_variance = cumsum(latent)./sum(latent);
   % 假设我们保留解释95%方差的主成分
   num_components = find(explained_variance >= 0.95, 1);
   data_pca = score(:, 1:num_components);

三、 🤖 监督学习实战：分类与回归

监督学习的目标是利用带标签的数据训练模型，以预测新数据的标签或值。

1. 分类（Classification）

   % 划分训练集和测试集（70%训练，30%测试）
   cv = cvpartition(data.Label, 'HoldOut', 0.3);
   idx_train = training(cv);
   idx_test = test(cv);
   
   % 使用支持向量机（SVM）进行分类
   % 假设 features 是特征矩阵，labels 是类别标签
   SVMModel = fitcsvm(features(idx_train, :), labels(idx_train), ...
                      'KernelFunction', 'rbf', 'Standardize', true);
   
   % 在测试集上预测并评估
   predicted_labels = predict(SVMModel, features(idx_test, :));
   accuracy = sum(predicted_labels == labels(idx_test)) / numel(labels(idx_test));
   fprintf('分类准确率：%.2f%%\n', accuracy*100);
   
   % 也可以使用集成学习如随机森林提升性能
   % EnsembleModel = fitcensemble(features(idx_train, :), labels(idx_train), 'Method', 'Bag');

2. 回归（Regression）

   % 使用线性回归拟合连续值目标变量
   % 假设 X 是特征，y 是连续目标值（如房价）
   linear_model = fitlm(X_train, y_train);
   
   % 查看模型摘要（包括R²、系数显著性等）
   disp(linear_model)
   
   % 预测
   y_pred = predict(linear_model, X_test);
   
   % 计算均方根误差（RMSE）评估
   rmse = sqrt(mean((y_test - y_pred).^2));
   fprintf('回归模型RMSE：%.4f\n', rmse);

四、 🔍 无监督学习实战：聚类

无监督学习用于发现数据内在的结构或分组。

% 使用k-means聚类对无标签数据进行分组
% 假设已将数据 features 降维或预处理
k = 3; % 假设我们期望分为3类
[idx, centroids] = kmeans(features, k);

% 可视化聚类结果（如果特征是2维或经PCA降至2维）
gscatter(features(:,1), features(:,2), idx);
hold on;
plot(centroids(:,1), centroids(:,2), 'kx', 'MarkerSize', 15, 'LineWidth', 3);
title('K-means聚类结果');
legend('Cluster 1', 'Cluster 2', 'Cluster 3', 'Centroids');
hold off;

五、 🧠 深度学习入门

对于更复杂的模式识别（如图像、文本），可以借助深度学习。

1. 构建一个简单的多层感知机（MLP）

   % 假设已准备好训练数据 X_train, y_train（分类标签需为分类数组）
   layers = [
       featureInputLayer(size(X_train, 2)) % 输入层，维度自动匹配特征数
       fullyConnectedLayer(64)             % 全连接层，64个神经元
       reluLayer()                         % 激活函数层
       fullyConnectedLayer(32)
       reluLayer()
       fullyConnectedLayer(numel(unique(y_train))) % 输出层神经元数等于类别数
       softmaxLayer()                       % 用于多分类
       classificationLayer()];              % 分类输出层
   
   options = trainingOptions('adam', ...    % 使用Adam优化器
       'MaxEpochs', 50, ...               % 最大训练轮数
       'ValidationData', {X_val, y_val}, ... % 验证集（可选）
       'Plots', 'training-progress');     % 显示训练进度图
   
   net = trainNetwork(X_train, y_train, layers, options);

2. 使用预训练网络进行图像分类（迁移学习）

   % 加载预训练的GoogLeNet模型
   net = googlenet; % 需Deep Learning Toolbox Model for GoogLeNet支持
   
   % 替换最后的分类层以适应你的分类数
   lgraph = layerGraph(net);
   num_classes = 5; % 你的数据类别数
   new_fc = fullyConnectedLayer(num_classes, 'Name', 'new_fc');
   new_output = classificationLayer('Name', 'new_classoutput');
   lgraph = replaceLayer(lgraph, 'loss3-classifier', new_fc);
   lgraph = replaceLayer(lgraph, 'output', new_output);
   
   % 准备图像数据
   imds = imageDatastore('path_to_images', ...
       'IncludeSubfolders', true, 'LabelSource', 'foldernames');
   [imdsTrain, imdsVal] = splitEachLabel(imds, 0.7, 'randomized'); % 70%训练
   
   % 调整图像大小以匹配网络输入
   input_size = net.Layers(1).InputSize;
   augimdsTrain = augmentedImageDatastore(input_size(1:2), imdsTrain);
   augimdsVal = augmentedImageDatastore(input_size(1:2), imdsVal);
   
   % 训练选项与训练
   options = trainingOptions('sgdm', ...
       'InitialLearnRate', 0.0001, ...
       'MaxEpochs', 10, ...
       'ValidationData', augimdsVal, ...
       'Plots', 'training-progress');
   net_transfer = trainNetwork(augimdsTrain, lgraph, options);

六、 📈 模型评估与选择

模型训练后，必须进行系统评估。

• 分类评估：混淆矩阵 (confusionchart)、准确率、精确率、召回率、F1分数。
• 回归评估：均方误差（MSE）、均方根误差（RMSE）、R²决定系数。
• 防止过拟合：使用交叉验证。

  % 创建5折交叉验证分区
  cv = cvpartition(labels, 'KFold', 5);
  cv_accuracy = zeros(cv.NumTestSets, 1);
  
  for i = 1:cv.NumTestSets
      idx_train = training(cv, i);
      idx_test = test(cv, i);
      model = fitcsvm(features(idx_train, :), labels(idx_train));
      pred = predict(model, features(idx_test, :));
      cv_accuracy(i) = sum(pred == labels(idx_test)) / numel(labels(idx_test));
  end
  fprintf('交叉验证平均准确率：%.2f%%\n', mean(cv_accuracy)*100);

七、 📚 学习路径与资源推荐

为了帮助你系统地学习，我梳理了以下学习路径和关键资源：

• 交互式工具：善用MATLAB的 Classification Learner 和 Regression Learner App，它们提供图形化界面，能快速尝试和比较多种算法，非常适合初学者探索。
• 进阶与部署：随着技能提升，你可以探索更复杂的领域，如时间序列分析、强化学习（通过Reinforcement Learning Toolbox）以及将训练好的模型部署到嵌入式设备或生成C/C++代码。

希望这篇教程能成为你使用MATLAB探索机器学习世界的良好开端。如果你能告诉我你具体的研究方向或希望解决哪一类问题（例如，是处理图像数据、信号数据，还是进行数值预测），我可以提供更具针对性的学习建议或示例。