从系列:介绍机器学习
亚当•Filion MathWorks
探索机器学习背后的基本原理。了解两个常见的机器学习方法:
您还将了解三种常见技术在这些方法:
今天,我们将讨论机器学习。我们将关注它是什么和为什么你想使用它。
机器学习教电脑做什么是自然对人类:从经验中学习。
它非常适合复杂问题涉及大量数据的变量,但没有现有的公式或方程式描述系统。
一些常见场景机器学习应用包括:
机器学习使用两种类型的技术:
无监督学习获得数据推断,没有标签响应与输入数据相关联。
聚类是最常见的非监督学习技术。它将数据分成不同组基于共享的数据的特征。
聚类是用来发现应用程序中隐藏的分组如基因序列分析,市场调研,和对象识别和其他很多。
另一方面,监督学习要求每个输入数据的例子有正确标签的输出。它使用这个标记数据,以及分类和回归技术,建立预测模型。
分类技术预测离散反应像是否真正的电子邮件或垃圾邮件。本质上,这些模型输入数据为一组预先确定的类别进行分类。
回归技术预测连续反应——比如什么温度恒温器应设置在电力需求或波动。
再次,监督学习和无监督学习之间的主要差别在于监督学习需要正确标签的例子训练机器学习模型,然后使用该模型将新数据。
请记住:您所使用的技术,和你选择的算法,取决于大小和类型的数据与你共事的人,你想要的见解从数据,以及如何将使用这些见解。我们将详细讨论这些技术在未来几个视频。
就目前而言,这是一个非常简短的概述机器学习。一定要检查出更多信息描述。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。