罗兰美国舒尔,MathWorks
通过三种机器学习(聚类,分类和回归)在本概述由罗兰舒尔的步行路程。
在这段视频中,你将总结一下什么是机器学习。您将从学习集群开始,集群可以帮助您将一组东西分割成具有不同属性的组。接下来,您将研究分类,您将使用分类来进行图像中的对象检测、预测维护和垃圾邮件检测等应用程序。最后,您将听到关于回归的介绍,它用于构建模型,根据给定的其他特性,预测连续体上的响应。
机器学习都是关于统计模型的。
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。如果你知道这些变量,你可以通过代入和计算来计算出答案。
有时候,你没有一个公式,但你有大量的数据,而你想找到的图案或作出预测。在这种情况下,你会使用非参数机器学习模型。
我是Loren Shure,我是一位在MathWorks工作了30多年的科学家。我将介绍三种类型的机器学习:集群、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成几组。不同的人用不同的方式把这些卡片组合起来。
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。
有些人会说:“啊哈!我在这里看到了三个不同的群体: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,谁是对的呢?你们都是,因为说明书上说要把卡片分成几组。
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。
现在让我们进入分类。
你有相同的牌,每一个标有三类:无论是狗,猫或鸟。
你需要确定有助于区分不同动物的特征。
您使用这些特性来训练一个模型,该模型将确定某个东西是否被标记为狗、猫或鸟。
现在我给你们一个新的图像。它属于什么类别?好吧,让我们通过模型来算出它。
这个模型只擅长分类狗、猫和鸟,但它显然不是为其他任何东西而开发的。它对马已经尽力了。
这是分类,你会用它的东西像在图像目标检测,预防性维护,和垃圾邮件检测。
第三种类型的机器学习是回归,在这里,我们不是把输出分成有限的数量,而是试图在一个连续体中找到一个答案——就像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。
该模型利用这些特征来估计动物在速度连续体中的位置。
这是回归。回归模型在许多应用中都有使用,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,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。