洛伦·舒尔,MathWorks
Loren Shure在本概述中介绍了机器学习的三种类型(聚类、分类和回归)。
在本视频中,您将了解什么是机器学习。您将从学习集群开始,集群可以帮助您将事物集合划分为具有不同属性的组。接下来,您将探索分类,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,您将了解回归,它用于构建模型,预测给定其他特性的连续性响应。
机器学习是关于统计模型的。
你可能知道参数化模型,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,你可以通过插入它们并进行数学运算来计算答案。
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非参数机器学习模型。
我是罗兰·舒尔,我是一名科学家,在MathWorks工作了30多年。我将带您了解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,我让你把卡片分成几组。不同的人以不同的方式对这些卡片进行分组。
这些卡片上是什么导致这种情况发生的?嗯,它们是狗、猫和鸟的照片。
你们中的一些人说,“啊哈!我在这里看到三个不同的群体:很明显,狗、猫和鸟。”
你们中的一些人看到四条腿的动物和两腿的动物,你们把卡片分成两堆。
那些把它们放在一堆的人可能会说,“它们都是动物!”
谁说得对?你们都是,因为说明书上说要把卡片分组。
这就是集群:集群可以帮助您将一组事物划分为具有不同属性的组。
现在让我们转到分类。
你有相同的卡片,每一张都标有三个类别:狗、猫或鸟。
您需要确定有助于区分不同动物的特征。
您可以使用这些功能来训练模型,该模型将确定某个对象是否被标记为狗、猫或鸟。
现在我给你一个新的形象。它属于哪一类?好吧,让我们通过模型来计算它。
这个模型只擅长对狗、猫和鸟进行分类,但它显然不是为其他任何东西开发的。它对这匹马尽了最大的努力。
这是分类,您可以将其用于图像中的对象检测、预测性维护和垃圾邮件检测。
第三种类型的机器学习是回归,在回归中,我们不是将输出分类为有限数量,而是试图在连续统上找到答案——比如动物的最大奔跑速度。
为了建立一个预测速度的模型,我们做了我们以前做过的事情——选择可能相关的功能。例如,让我们试试一只动物的体重和它的腿有多长。
该模型使用这些特征来估计动物在该速度连续体上的着陆位置。
这就是回归。回归模型在许多应用中都有应用——比如预测用电量或股价。
这就是三种不同的机器学习。
机器学习是一个极其复杂的话题,我只是略过了表面。您可能听说过深度学习,这是一种机器学习,您不需要手动选择功能。相反,这些特性是作为模型训练过程的一部分进行学习的,但它需要花费大量的数据。
要获得更多实用信息和灵感,请从下面的链接开始。
特色产品
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。