罗兰美国舒尔,MathWorks
在这篇Loren Shure的概述中,我们将介绍三种类型的机器学习(集群、分类和回归)。
在这部影片中,你会得到什么样的机器学习是一个总结。您将学习有关群集,它可以帮助您段的事物的集合与不同的属性组启动。您接下来将探索分类,这你会使用像在图像目标检测,预防性维护,和垃圾邮件检测应用。最后,你会听到关于回归,这是用来构建预测一起被给予的其他功能的连续响应模型。
机器学习都是关于统计模型的。
你可能知道的参数模型,当你计算月球的质量等,你有一个公式。如果你知道的变量,你可以通过插入他们和做数学计算的答案。
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,您将使用非参数机器学习模型。
我洛伦舒尔,我谁一直在MathWorks公司超过30年的科学家。我要带你通过三种机器学习:聚类,分类和回归。
首先,我们将讨论集群。
假设我给你上他们的照片一叠卡片,我问你的卡整理成组。不同的人群体,这些卡以不同的方式。
什么是对这些卡会导致这样的事情发生?那么,他们是狗,猫和鸟类的照片。
你们当中有些人说:“啊哈!我看到三个不同的群体在这里:显然,狗,猫和鸟。”
你们有些人看到四只条腿的动物与两腿动物,你把牌分成两堆。
那些把它们放在一堆的人可能会说,“它们都是动物!”
那么,谁是正确的?你们都是的,因为说明只是说把卡插入组。
这是集群:集群可以帮助您段的事物的集合与不同的属性组。
现在,让我们到分类移动。
你有相同的牌,每一个标有三类:无论是狗,猫或鸟。
您需要确定的是帮助不同的动物之间区分的特征。
您可以使用这些功能来训练模型,这将决定是否东西被打成狗,猫或鸟。
现在我给你一个新的形象。什么种类它属于哪一种?好吧,让我们来运行它通过模型来弄明白。
这种模式是好的只有分类狗,猫和鸟,但它显然是不为别的发展。它做的最好的它可以与马。
这就是分类,您可以将其用于图像中的对象检测、预测维护和垃圾邮件检测。
第三种类型的机器学习的是回归,在那里,而不是分类为有限数量的产出,我们试图找到一个连续的答案 - 像动物的最大运行速度。
为了建立一个预测速度的模型,我们做了之前做过的事情——选择可能相关的特性。例如,让我们来试试动物的重量和它的腿有多长。
该模型使用这些功能以估算对速度连续动物的土地。
这是回归。回归模型在许多应用中使用 - 就像预测用电价格或股票价格。
因此,那些是三种不同类型的机器学习。
机器学习是一个非常复杂的话题,而且我这里只是撇去表面。你可能听说过深刻的学习,这是一种机器学习的,你没有手动选择功能。但是,这些功能被学习为模型训练过程的一部分,但它的成本你很多更多的数据。
更多的实用信息和灵感,从下面的链接开始。