罗兰美国舒尔,MathWorks
在Loren Shure的这篇概述中,回顾一下机器学习的三种类型(聚类、分类和回归)。
在这段视频中,你会了解到什么是机器学习。您将从学习集群开始,它可以帮助您将一组东西分割成具有不同属性的组。接下来我们将探讨分类,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,您将听到回归,它用于构建模型,预测在给定其他特性的连续体上的响应。
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,你可以通过代入来计算答案。
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,你会使用非参数机器学习模型。
我是Loren Shure,我是一名在MathWorks工作了30多年的科学家。我将向你们介绍机器学习的三种类型:聚类、分类和回归。
首先,我们将讨论集群。
假设我给你一堆卡片,上面有图片,我让你把这些卡片分类。不同的人用不同的方式把这些卡片分组。
这些卡片上有什么东西会导致这种情况发生?嗯,它们是狗、猫和鸟的图片。
你们中间有人说,阿哈!我在这里看到了三种不同的群体:狗、猫和鸟。”
有些人看到四足动物和两足动物,然后把卡片分成两堆。
而那些把它们放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,因为说明上说要把卡片分组。
这就是集群:集群帮助您将一组东西分割成具有不同属性的组。
现在让我们进入分类。
你有相同的卡片,每一张都标有三个类别:狗、猫或鸟。
你需要确定有助于区分不同动物的特征。
你用这些特征来训练一个模型,它将决定某物是被标记为狗、猫还是鸟。
现在我给你们一个新的图像。它属于哪一类?让我们在模型中计算一下。
这个模型只擅长于对狗、猫和鸟进行分类,但很明显,它不是为其他东西而发展的。它对马尽了最大的努力。
这就是分类,你可以用它来进行图像中的目标检测、预测性维护和垃圾邮件检测。
第三种机器学习是回归,我们不是将其归类为有限数量的输出,而是试图在一个连续体上找到答案——比如动物的最大奔跑速度。
为了建立一个预测速度的模型,我们做了之前所做的——选择可能相关的特征。例如,让我们试试动物的体重和它的腿有多长。
该模型利用这些特征来估计动物在速度连续区间上的着陆位置。
这是回归。回归模型被用于许多应用中,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,我在这里只触及了表面。你可能听说过深度学习,这是一种不需要手动选择特征的机器学习。相反,这些特性是作为模型训练过程的一部分来学习的,但这需要大量的数据。
想要获得更多的实用信息和灵感,可以从下面的链接开始。
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。