罗兰美国舒尔,MathWorks
Loren Shure概述了机器学习的三种类型(聚类、分类和回归)。
在这个视频中,你会对机器学习有一个总结。您将从学习集群开始,它可以帮助您将一个集合划分为具有不同属性的组。接下来,您将探索分类,您将在图像中的对象检测、预测性维护和垃圾邮件检测等应用程序中使用分类。最后,您将听到关于回归的内容,它用于构建模型,在给定其他特性的情况下,预测沿着连续体的响应。
机器学习就是关于统计模型的。
你们可能知道参数模型,比如当你们计算月球质量的时候,你们有一个公式。如果你知道这些变量,你就可以通过代入计算得到答案。
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。
我是罗伦·舒尔,我是一名科学家,在MathWorks工作了30多年。我将向您介绍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。不同的人以不同的方式将这些卡片分组。
这些卡片上有什么东西会导致这种情况发生?嗯,它们是狗、猫和鸟的照片。
有些人会说:“啊哈!我在这里看到三种不同的动物:很明显,狗、猫和鸟。”
你们有些人看到四条腿的动物和两条腿的动物,然后把卡片分成两堆。
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,因为说明上说要把卡片分组。
这就是集群:集群帮助您将一个集合划分为具有不同属性的组。
现在我们来谈谈分类。
你有同样的卡片,每个标签上有三个类别:狗,猫或鸟。
你需要确定有助于区分不同动物的特征。
您可以使用这些特征来训练一个模型,该模型将确定某个东西是被标记为狗、猫还是鸟。
现在我给你一个新的图像。它属于什么类别?好吧,让我们通过模型来计算它。
这个模型只擅长于对狗、猫和鸟进行分类,但它显然不是为其他任何东西而开发的。它对这匹马尽了最大的努力。
这就是分类,您可以将它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。
机器学习的第三种类型是回归,在这种情况下,我们不是将其分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,我们做了以前做过的事情——选择可能相关的特征。例如,让我们试试动物的重量和它的腿有多长。
该模型使用这些特征来估计动物在速度连续体上着陆的位置。
这是回归。回归模型在许多应用程序中使用——比如预测电力使用量或股票价格。
以上就是机器学习的三种不同形式。
机器学习是一个极其复杂的话题,我在这里只是浏览了一下表面。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,特征是作为模型训练过程的一部分来学习的,但是它会花费你更多的数据。
更多实用的信息和灵感,从下面的链接开始。
特色产品
您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。