从系列中:机器学习概论
一步一步地了解机器学习工作流程,并深入了解过程中的几个关键决策点。
该视频展示了如何使用机器学习来开发手机健康监测应用程序。它从导入和探索数据开始。然后讨论了数据预处理和特征工程,将原始数据转化为机器学习算法可以使用的信息。视频介绍了机器学习模型,如决策树和模型评估工具,如混淆矩阵。然后,它展示了如何改进和验证模型,这样您就可以找到移动到手机并开始跟踪的最佳模型。
在机器学习中,从开始到结束很少有一条直线——你会发现自己在尝试不同的想法和方法。
今天,我们将一步一步地介绍机器学习工作流程,并将重点放在几个关键的决策点上。
每个机器学习工作流都从三个问题开始:
本视频中的例子是基于手机健康监测应用程序。输入由来自手机加速计和陀螺仪的传感器数据组成。
反应是所进行的活动——走、站、跑、爬楼梯或躺下。我们希望使用传感器数据来训练分类模型来识别这些活动。
现在让我们逐步完成工作流程的每个部分,看看我们如何才能让我们的健身应用程序工作。
我们先从手机传感器的数据开始。
文本或CSV等平面文件格式易于使用,并使导入数据变得简单。
现在我们将所有数据导入MATLAB并绘制每个标记集以了解数据中的内容。
为了预处理数据,我们寻找丢失的数据或异常值。在这种情况下,我们也可以考虑使用信号处理技术来消除低频引力效应。这将有助于算法关注拍摄对象的运动,而不是手机的方向。
最后,我们将数据分为两组。我们保存部分数据用于测试,并使用其余的数据来构建模型。
特征工程是机器学习中最重要的部分之一。它将原始数据转化为机器学习算法可以使用的信息。
对于活动跟踪器,我们希望提取捕获加速度计数据的频率内容的特征。
这些特征将帮助算法区分行走(低频)和跑步(高频)。
我们创建一个包含所选特性的新表。
你能推导出的特征的数量只受限于你的想象力。然而,对于不同类型的数据,有许多常用的技术。
现在是时候构建和训练模型了。
从简单的东西开始是个好主意,比如一个基本的决策树。这将运行得很快,很容易解释。
为了了解它的表现如何,我们看了混淆矩阵,这是一个比较模型做出的分类与实际类别标签的表格。
混淆矩阵显示,我们的模型在区分跳舞和跑步方面有困难。
也许决策树不能很好地处理这类数据。我们试试别的。
让我们尝试一个多类支持向量机(SVM)。金宝app
使用这种方法,我们现在的准确率达到99%,这是一个很大的改进。
我们通过迭代模型和尝试不同的算法来实现我们的目标,但是很少有这么简单的。
如果我们的分类器仍然不能可靠地区分跳舞和跑步,我们就会寻找其他方法来改进模型。
改进模型可以有两个不同的方向:使模型更简单以避免过度拟合,或增加复杂性以提高精度。
一个好的模型只包含最具有预测能力的特征,所以为了简化模型,我们应该首先尝试减少特征的数量。
有时,我们会寻找减少模型本身的方法。我们可以通过从决策树中修剪分支或从集成中删除学习器来实现这一点
如果我们的模型仍然不能区分跑步和跳舞,这可能是由于过度概括。因此,为了微调我们的模型,我们可以添加额外的特性。
在我们的例子中,陀螺仪记录了手机活动期间的方向。
此数据可能为不同的活动提供惟一的签名。
例如,可能会有加速和旋转的组合,这是跑步所特有的。
现在我们已经调整了我们的模型,我们可以根据我们在预处理中留出的测试数据来验证它的性能。如果模型能够可靠地对活动进行分类,我们就可以将其转移到手机上并开始跟踪。
好了,我们的机器学习例子和关于机器学习的概述系列视频就讲到这里。欲了解更多信息,请查看下面的链接。
在下一个系列中,我们将研究一些与机器学习相关的高级主题,例如特征工程和超参数调优。
您也可以从以下列表中选择一个网站:
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。