什么是机器学习?
Loren Shure在本文概述中介绍了三种类型的机器学习(聚类、分类和回归)。
在这个视频中,你会对什么是机器学习做一个总结。您将从学习聚类(clustering)开始,这将帮助您将一组事物划分为具有不同属性的组。接下来将探讨分类,它将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,你将听到回归,它被用来建立模型,预测在给定其他特征的连续统上的反应。
机器学习是关于统计模型的。
你可能知道参数模型,比如当你在计算月球的质量时,你有一个公式。如果你知道变量,你可以把它们代入并进行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,您应该使用非参数机器学习模型。
我是Loren Shure,我是一名科学家,在MathWorks工作了30多年。我将带您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组。不同的人把这些卡片按不同的方式分组。
这些卡片上有什么会导致这种情况发生?嗯,它们是狗、猫和鸟的照片。
你们有些人会说:“啊哈!我在这里看到了三种不同的群体:很明显,狗、猫和鸟。”
有些人会看到四条腿的动物和两条腿的动物,然后把卡片分成两摞。
把它们放在一堆的人可能会说,“它们都是动物!”
那么,谁是对的呢?你们都是,因为指示说要把卡片分组。
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。
现在让我们继续讨论分类。
你有相同的卡片,每张卡片都标有三个类别:狗、猫或鸟。
你需要确定有助于区分不同动物的特征。
你使用这些特征来训练一个模型,这个模型将决定什么东西被标记为狗、猫还是鸟。
现在我给你们一个新的形象。它属于哪一类?好吧,让我们用模型来计算一下。
这个模型只擅长对狗、猫和鸟进行分类,但显然它不是为其他任何东西开发的。它对那匹马已经尽力了。
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工作。
第三种类型的机器学习是回归,我们不是按照有限数量的输出进行分类,而是试图在一个连续体上找到答案——就像动物的最大奔跑速度一样。
为了建立一个可以预测速度的模型,我们和以前一样——选择可能相关的特征。例如,让我们试试动物的重量和它的腿有多长。
该模型使用这些特征来估计动物在速度连续区间中的落点。
这是回归。回归模型在很多应用中都有应用,比如预测用电量或股票价格。
这就是三种不同的机器学习。
机器学习是一个非常复杂的话题,在这里我只浏览了表面。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,但这会消耗您更多的数据。
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
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。