Introducción al Machine Learning con MATLAB. Erik Cuevas Jiménez

2.4.4.1. Suma, resta y multiplicación de matrices

       2.4.4.2. Multiplicación escalar de una matriz

       2.4.4.3. Multiplicación de matrices

       2.4.5. Tipo de matrices

       2.4.6. Descomposición de matrices

       2.4.6.1. Descomposición LU

       2.4.6.2. Descomposición de los valores y vectores propios

       Referencias

       CAPÍTULO 3. Clasificación

       3.1. Introducción

       3.2. Vecinos cercanos (k-NN)

       3.2.1. Ejemplo de clasificación utilizando k-NN en MATLAB

       3.3. Regresión logística

       3.3.1. Ejemplo de clasificación utilizando la regresión logística en MATLAB

       3.4. Naive Bayes

       3.4.1. Teorema de Bayes

       3.4.2. Clasificador Naive Bayes

       3.4.3. Ejemplo de clasificación Naive Bayes utilizando MATLAB

       3.5. Análisis del discriminante de Fisher

       3.5.1. Ejemplo de clasificación mediante discriminante de Fisher utilizando MATLAB

       3.6. Máquina de vector soporte (SVM)

       3.6.1. Ejemplo de clasificación con máquina vector soporte utilizando MATLAB

       Referencias

       CAPÍTULO 4. Regresión lineal

       4.1. Introducción

       4.2. Regresión lineal simple

       4.3. Mínimos cuadrados

       4.4. Gradiente descendente en regresión lineal simple

       4.5. Ecuación normal en regresión lineal simple

       4.6. Regresión lineal múltiple

       Referencias

       CAPÍTULO 5. Agrupamiento (clustering)

       5.1. Introducción

       5.2. Algoritmo de K-means

       5.2.1. El uso de K-means en MATLAB

       5.3. Método de expectación-maximización

       5.3.1. Modelos de mezclas gaussianas

       5.3.2. Estimación de máxima probabilidad

       5.3.3. EM en una dimensión

       5.3.4. EM en varias dimensiones

       5.4. Agrupación jerárquica

       5.4.1. Medidas de similaridad entre los clústeres

       5.5. El algoritmo de Fuzzy C-means

       Referencias

       CAPÍTULO 6. Reducción de dimensionalidad

       6.1. Introducción

       6.2. Análisis de componentes principales (PCA)

       6.2.1. Ejemplo en MATLAB de análisis de componentes principales (PCA)

       6.3. Análisis de componentes independientes (ICA)

       6.3.1. Distribuciones gaussianas no permitidas

       6.3.2. Estimación de máxima probabilidad

       6.3.3. Ejemplo en MATLAB de análisis de componentes independientes (ICA)

       6.4. Análisis de factor (FA)

       6.4.1. Ejemplo en MATLAB de análisis de factor (FA)

       Referencias