罗兰美国舒尔,MathWorks
在Loren Shure的这篇综述中,我们将介绍机器学习的三种类型(聚类、分类和回归)。
在此视频中,您将获得机器学习的总结。您将首先了解群集,这有助于您将一系列内容分段为具有不同属性的组。您将接下来探索分类,您可以使用像图像,预测性维护和垃圾邮件检测中的对象检测等应用程序。最后,您将听到回归,该回归用于构建预测沿其他功能的连续内容的响应的模型。
机器学习是关于统计模型的。
你可能知道参数模型,就像你计算月亮的质量一样,你有一个公式。如果您知道变量,可以通过插入并执行数学来计算答案。
有时你没有公式,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,您将使用非参数机器学习模型。
我是Loren Shure,我是一位在Mathworks超过30年的科学家。我要去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。
假设我给了你一堆纸上的一张牌,我请你把你的卡片分类为小组。不同的人以不同的方式对这些卡进行组。
这些卡片是什么导致这种情况发生?好吧,他们是狗,猫和鸟类的照片。
你们中的一些人说,“啊哈!我在这里看到三个不同的群体:显然,狗,猫和鸟类。“
你们中的一些人看到四条腿动物与两个腿的动物,你把卡片放入两堆。
那些把它们放在一堆的人可能会说,“它们都是动物!”
好吧,谁是对的?你们都是,因为说明刚才刚才将卡片放入群组中。
这是群集:群集可帮助您将事物集合分段为具有不同属性的组。
现在让我们继续进行分类。
你有同一卡,每个人都标有三类:狗,猫或鸟。
您需要确定有助于区分不同动物的功能。
您可以使用这些功能来训练模型,这将确定是否被标记为狗,猫或鸟。
现在我给你一个新的形象。它属于哪个类别?好吧,让我们通过模型来弄错。
这种模式擅长分类只对狗,猫和鸟类进行分类,但它显然不是为其他任何东西开发的。它尽最大匹配了。
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。
第三种机器学习是回归的,而不是将有限数量的输出分类为,我们试图在连续体上找到答案 - 就像动物的最大运行速度一样。
为了建立一个预测速度的模型,我们做了以前做过的事情——选择可能相关的特征。例如,让我们试试一个动物的重量和它的腿有多长。
该模型使用这些功能来估计动物降低速度连续体的动物。
这是回归的。回归模型用于许多应用中,如预测电力使用或股票价格。
所以那些是三种不同的机器学习。
机器学习是一个令人难以置信的复杂话题,我刚刚撇去了表面。您可能听说过深入学习,这是一种机器学习,在那里您无法手动选择功能。相反,该功能被吸取为模型培训过程的一部分,但它需要花费更多的数据。
有关更多实用信息和灵感,请从下面的链接开始。
特色产品
你也可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。