什么是机器学习?
Loren Shure概述了三种类型的机器学习(聚类、分类和回归)。
在这个视频中,你将了解什么是机器学习。您将从学习聚类开始,这将帮助您将一组事物划分为具有不同属性的组。接下来,您将探索分类,将其用于图像中的对象检测、预测性维护和垃圾邮件检测等应用程序。最后,你会听到回归,它被用来建立模型,在给定其他特征的情况下,沿着连续体预测响应。
机器学习是关于统计模型的。
你可能知道参数模型,比如当你计算月球的质量时,你有一个公式。如果你知道变量,你可以把它们代入并做数学运算来计算答案。
有时你没有一个公式,但你有大量的数据,你想找到模式或做出预测。在这种情况下,你会使用非参数机器学习模型。
我是洛伦·舒尔,我是一名科学家,在MathWorks工作了30多年。我将带你了解三种类型的机器学习:聚类、分类和回归。
首先,我们将讨论集群。
假设我给你一叠上面有图片的卡片,我让你把这些卡片分成几组。不同的人以不同的方式将这些卡片分组。
这些牌上有什么能导致这种情况发生?嗯,它们是狗、猫和鸟的照片。
你们中有人说:“啊哈!我在这里看到了三种不同的群体:很明显,狗、猫和鸟。”
有些人看到四条腿的动物和两条腿的动物,然后把牌分成两堆。
把它们堆在一起的人可能会说:“它们都是动物!”
那么,谁是对的呢?你们都是,因为指令只是说要把卡片分组。
这就是聚类:聚类帮助您将一组事物划分为具有不同属性的组。
现在让我们讨论分类。
你有同样的卡片,每一张都标有三类:狗、猫或鸟。
你需要确定有助于区分不同动物的特征。
您可以使用这些特征来训练一个模型,该模型将确定某物是否被标记为狗、猫或鸟。
现在我给你一个新的形象。它属于哪一类?让我们用这个模型来算一下。
这个模型只擅长对狗、猫和鸟进行分类,但显然它不适用于其他任何东西。它尽了最大的努力照顾那匹马。
这就是分类,您可以将其用于图像中的对象检测、预测性维护和垃圾邮件检测等事情。
第三种类型的机器学习是回归,我们不是将输出分类为有限数量的输出,而是试图在连续统上找到答案——比如动物的最大奔跑速度。
为了建立一个预测速度的模型,我们做了之前做过的事情——选择可能相关的特征。例如,让我们试试动物的体重和腿的长度。
该模型使用这些特征来估计动物在速度连续区间中的着陆位置。
这是回归。回归模型被用于许多应用,比如预测用电量或股票价格。
以上就是机器学习的三种不同类型。
机器学习是一个非常复杂的话题,在这里我只是略读了皮毛。你可能听说过深度学习,这是一种机器学习,不需要手动选择特征。相反,这些特征是作为模型训练过程的一部分来学习的,但这会花费你更多的数据。
要获得更多实用信息和灵感,请从下面的链接开始。
相关产品2022世界杯八强谁会赢?
了解更多
特色产品
统计和机器学习工具箱
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。