从系列:机器学习概论
亚当•Filion MathWorks
探索机器学习背后的基本面。了解两种常见的机器学习的方法:
您还将了解这些方法中的三种常见技术:
今天,我们将讨论机器学习。我们将专注于它是什么,为什么你要使用它。
机器学习教计算机做对人类来说自然的事情:从经验中学习。
它适用于涉及大量数据和大量变量的复杂问题,但没有现有的公式或方程来描述系统。
机器学习应用的一些常见场景包括:
机器学习使用两种类型的技术:
无监督学习从没有标记与输入数据相关联的响应的数据集中提取推论。
集群是最常见的非监督学习技术。它把数据转换成基于所述数据共享特征不同的组。
集群是用来寻找在应用中隐藏的分组,如在许多其他基因序列分析,市场调研,和物体识别。
在另一方面,监督学习需要输入数据的各个示例来与一个正确地标记的输出。它使用该标签的数据,以分类和回归技术一起,开发预测模型。
分类技术预测离散的反应,如电子邮件是否正规垃圾邮件。本质上,这些模型的输入数据分类成一个预定类别集。
回归技术预测连续responses-像什么温度的温控器应设置或电力需求的波动。
再次,监督学习和无监督学习之间最大的不同是,监督学习需要正确标识样本来训练机器学习模型,然后使用该模型来标记新的数据。
请记住:您使用的技术和选择的算法取决于您正在处理的数据的大小和类型、您希望从数据中获得的见解以及如何使用这些见解。我们将在接下来的几集视频中更多地讨论这些技术。
就目前而言,这是机器学习的一个非常简要的概述。一定要检查出的描述以获取更多信息。
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。