⑴ 在機器學習科學計算領域，有哪些工具能讓python和matlab一樣好用
千言萬語匯成一句話: 安裝Anaconda!
Anaconda非常適合做研究.Pycharm適合做開發回,而不是研究.
為什麼說Anaconda好呢?
1 自帶了很多適答合搞科學研究的庫,比如numpy, scipy, pandas, matplotlib, sympy, sklearn等.
2 裡面的spyder的界面非常像matlab的界面, 還支持單步調試.編輯器像matlab那樣，可以創建cell（使用#%%，與matlab類似），方便查看與調試。
3 裡面的ipython notebook, 非常適合交互和展示成果.
⑵ 有哪些簡單易懂的用到機器學習演算法的matlab代碼
MATLAB有machine learning的webinar,你可以嘗試入門。 書籍的話,你在亞馬遜上搜索:MATLAB for Machine Learning
⑶ matlab如何進行機器學習把全書分詞
matlab怎麼修改機器學習中的標簽想要修改方向，可以使用標簽中的Rotation選項，後面跟旋轉的角度，具內體使用可以參考容下面的程序： A=[40.2,45.8,43.5,47.3,44.9,42.7,46.1,46.1,49.6,45.9,44.9,45.3] plot(A) xlabel('xLabel','Rotation',90); ylabel('yLabel','Rotation',45); title('title','Rotation',90);
⑷ 在機器學習科學計算領域,有哪些工具能讓python和matlab一樣好用
Pycharm相比Spyder的優點是：
1 調試更方便，Spyder在其他文件裡面設置斷點，竟然無法停下來，必須得在主程序裡面設置一個斷點，然後「Step into」，如果嵌套比較深的話，這種方法特別麻煩。 Pycharm就沒有這個問題。
2 Pycharm的「Reformat code」功能我特別喜歡，可以自動將你的代碼排版規范，比如=兩邊各空一格，函數結尾空兩行等等，不止能作用於一個文件，而且能一次性作用於整個項目！
Pycharm的缺點：
1 最新版本雖然支持了ipython，但功能體驗比較差，1，反應比較慢 2 tab鍵經常不能彈出對象的屬性與方法。
2 沒有workspace。
所以，我的建議是結合使用這兩個工具，基本上能達到MATLAB的使用體驗。
2016年3月14日的補充
經過一段時間使用，也發現了Anaconda的缺點。特別是spyder。
1 在workspace里，對數據量偏大一點的變數進行查看，容易卡死，而MATLAB不會。
2 再workspace里，浮點數只顯示小數點後三位，我經常要手工修改為顯示為小數點後6位，不知道怎麼修改默認設置。
3 斷點調試明顯沒有MATLAB方便。
4 沒有MATLAB那樣方便的Profiler,用於發現代碼運算瓶頸，而Spyder沒有。
還有其他的，就不一一列舉了，總之，在IDE上，Spyder相比MATLAB差遠了，但我用Python，仍然會用Spyder，因為目前沒有更好的替代品。
原答案：
千言萬語匯成一句話: 安裝Anaconda!
Anaconda非常適合做研究.Pycharm適合做開發,而不是研究.
為什麼說Anaconda好呢?
1 自帶了很多適合搞科學研究的庫,比如numpy, scipy, pandas, matplotlib, sympy, sklearn等.
2 裡面的spyder的界面非常像matlab的界面, 還支持單步調試.編輯器像matlab那樣，可以創建cell（使用#%%，與matlab類似），方便查看與調試。
3 裡面的ipython notebook, 非常適合交互和展示成果.
⑸ 機器學習工具箱什麼時候添加進matlab
numpy,
scipy,
pandas,
matplotlib。來
scikit-learn
前4個庫裝完就可以吊打MATLAB基礎功自能了。
至於MATLAB里的工具箱，則需要額外找python的庫進行擴充。
最後一個安裝好，則除深度學習之外的機器學習都搞定了
⑹ 有哪些簡單易懂的用到機器學習演算法的matlab代碼
說實話自我對matlab的了解也主要基於一些基本的內容。matlab應用很廣，所以我們只需能用一部分，滿足我們的需要就可以了。
其實不管什麼語言，最重要是編程習慣，這樣學會一種後，接觸其他的語言也能快速上手。由於我大學的時候C語言基礎還算可以，雖然語法忘了，但是編程習慣沒忘，一般也很難忘，所以看到問題，能寫出流程圖，程序按照流程圖一步步來就不是問題了。等到後期熟練之後，流程圖在心目中就有，程序自然也就不難了。
matlab是科學計算語言，它的函數庫非常豐富，對我們程序的簡化有很大幫助，所以你在了解基礎後，只有多自己練習才能熟練，光看其他人的程序幫助不大。
在有時間的時候，建議多去matlab中文論壇等逛逛，興趣是最好的學習幫手。別人遇到問題，你自己試著解下，你自己也能學到東西。那時我可以為了一問題晚上睡覺都會想很久。要是能想出來，自己會非常高興。
這三點只是我自己的一點點小經驗，希望能幫到你。
最後給你一點小建議，不管學習什麼，一點別氣餒，堅持下去，你肯定能掌握的。
⑺ 如何用matlab實現機器學習
Classification有一本復配套的制Matlab Manual，你可以看看，用的是他們做的工具包。
MATLAB有machine learning的webinar，你可以嘗試入門。
書籍的話，你在亞馬遜上搜索：MATLAB for Machine Learning
⑻ 想用MATLAB做有關機器學習的演算法研究，看什麼書好
MATLAB有machine learning的webinar,你可以嘗試入門。
書籍的話,你在亞馬遜上搜索:MATLAB for Machine Learning
⑼ 求機器學習咋入門，求快速入門機器學習matlab編程的經驗
knn分類器還是很容易寫的吧。自己寫一個咯。。至於老師讓你做這個分類器干專嘛？你是要跑多大的數據？數據小屬的話就用傳統的方法了。數據大了像kd樹這樣的構造。就是覺得樓主問的很奇怪。。
還有就是入門的話個人覺得斯坦福大學andrew ng大牛的machine learning 很好。。。