沙善人员Prasanna,MathWorks公司
机器学习无处不在。从医疗诊断,演讲和手写识别到自动交易和电影建议,正在使用机器学习技术,以便在一天中的每一刻做出关键的业务和生命决策。每台机器学习问题都是唯一的,因此管理原始数据可能具有挑战性,识别影响您的模型,培训多个模型以及执行模型评估的关键功能。
在本次会议中,我们探讨了Matlab机器学习的基础。通过几个例子,我们审查了监督学习(分类)和无监督学习(聚类)的典型工作流程。
亮点包括
关于演示者:Shashank Prasanna是MathWorks的产品营销经理,在那里他专注于Matlab和附加产品,用于统计,机器学习和数据分析。s manbetx 845在加入Mathworks之前,Shashank在Oracle上致力于软件设计和开发。莎兰克拥有一个M.S.在亚利桑那州立大学的电气工程中。
录音时间:2015年3月19日
您好,欢迎机器学习变得容易。我的名字是沙善人员Prasanna。我在MathWorks公司的统计和机器学习产品的产品经理。s manbetx 845
下面是今天的演讲其余议程。我会用什么机器学习是一种高层次的概述开始,为什么你可能要考虑它。然后,我们会看到在机器学习的一些关键挑战。
接下来,我将通过解决一个涉及真实世界数据的有趣问题来更深入地研究机器学习。为了解决这个问题,我将介绍一个通常用于解决机器学习问题的典型工作流。然后,我们将介绍另一个涉及图像数据的有趣示例。我会给你们看一个现场演示,用网络摄像头的视频来识别物体。我们将以一个总结和一些关于何时考虑机器学习的指导来结束本次会议。
由于这是一个轻松的话题,没有任何先决条件。用MATLAB基本的了解是有益的,但不是必需的。机器学习无处不在。这些技术正越来越多地在今天的世界上用来制造关键业务和生命的决定。今天,机器学习,我们能够解决在汽车,金融,计算机视觉,和以前被视为不可能的其他几个领域的问题。
那么什么是机器学习呢?让我们花点时间快速浏览一下机器学习的高级概念。即使你熟悉这个话题,这也可以作为一个快速的提醒,提醒你什么时候进行机器学习是有用的。
我们可以定义机器学习作为使用的数据和产生程序执行任务的技术。让我来解释一下,在一个示例的上下文。考虑到涉及使用来自手机的传感器数据,以检测人的活动任务;例如,如果人在行走,坐着,站着,等。要解决这样的任务的标准方法是要么与一组精心设计的规则分析信号,并写下一个程序,或者你可能知道先验一组方程,或者一个公式,使用输入和预测的输出。
机器学习方法是直接从数据中学习这样一个程序。在这种情况下,我们给算法提供输入和输出数据,并让它学习程序来解决这个任务。这个步骤通常称为训练。输出是一个模型,现在可以用来从新的传感器数据中检测活动。
注意我没有明确提及特定机器学习算法,因为有很多算法可以选择,每个算法都有自己的优势和劣势。当我们详细介绍这个特定的示例时,我们会看到。如果有两件事,我希望您能够带走这款幻灯片,即一个,你需要数据。如果您没有数据,则无法进行机器学习。这是一个很强的要求。
二,考虑机器学习,只有当任务是复杂的,也没有神奇的公式或公式来解决这个问题。如果你有一个公式,你可以继续执行它。机器学习会的工作,但它不是在这种情况下推荐的方法。
让我们进入MATLAB看看机器学习方法是什么样的。我们正在处理的数据由6个输入组成,3个来自加速度计,3个来自手机的陀螺仪。响应或输出是执行的活动。包括行走、站立、跑步、爬楼梯和躺着。
这是分类学习者。这是一个交互式工具,可让您执行常用机器学习任务,例如交互式探索您的数据,选择功能,指定验证方案,培训模型和评估结果。在我左边,我有几种不同的机器学习模型已经在传感器数据上培训。在每个模型旁边的右侧是一个百分比,指示单独的验证集上所选分类器的准确性。我可以在这里使用右边的可视化来探索我的数据,以搜索模式和趋势。
训练一个新模型很容易。我只需导航到Classifier图库,选择一个感兴趣的分类器,然后点击Train。一旦训练完成,您就可以在History List中看到新模型以及模型的性能精度。这个数字越高,模型在新数据上的表现就越好。我将选择我表现最好的模型,并单击Export开始在MATLAB中使用我的模型,我可以看到导出的模型就在这里的工作空间中。
现在我想使用这个模型以及一些测试数据来可视化模型的预测结果。这张图显示了两秒半的加速计和陀螺仪数据流。顶部的绿条显示的是这个人的实际活动对应的是这里的传感器信号。如果模型能够成功预测出这个人的实际活动,那么底部的那条条就是绿色的,如果它不能预测出这个人的实际活动,那么它就是红色的。你可以看到,这个模型经常混淆走路和爬楼梯。
让我们快速回顾我们刚刚实现的东西。我们使用数据使用分类学习者适合几种不同的型号。然后,我们选择了一个展现出良好结果的人,我们测试了它,以确保它正在做它应该做的事情。那似乎很简单,为什么机器学习有令人难以置信的声誉?
为了回答这个问题,我想引用一位著名统计学家的话,他曾在一本教科书中写道:“所有模型都是错误的,但有些是有用的。”为什么?因为模型是近似的。不仅仅是机器学习模型——所有的模型都是基于几个假设的近似,但这并不会降低它们的用处。机器学习模型可以解释数据中的复杂模式,但要成功地应用机器学习,你需要找到有用的模型,而这可能是一项具有挑战性的任务。
实际上,机器学习工作流的每一步都有很多挑战。数据有各种各样的形状和大小。它可以是简单的数字数据,比如来自金融数据或传感器信号,也可以是来自相机的流式图像或文本数据。真实世界的数据集通常是杂乱的,而且不总是表格化的。
预处理数据需要特定于域的算法和工具。例如,需要信号或图像处理算法以从信号和图像数据中提取有用的特征。特征选择和功能转换需要统计算法。我们经常需要来自多个域的工具,并且在使用多台机器学习算法时,搜索最佳模型可能是令人生畏和耗时的任务。
在它的核心,选择最好的机器学习模型是一种平衡行为。高度灵活的型号可能是准确的,但也可能会过度使用您的数据并在新数据上执行差。在另一个极端,简单的模型可能会对数据占用太多。速度,准确性和模型复杂性之间总是有权衡。
最后,机器学习工作流程从来都不是一个方便的线性工作流程。在我们收敛到解决方案之前,我们总是不断地前来,迭代并尝试不同的想法。我今天的目标:向您介绍一套常见的工具和策略,以解决这些挑战。
这是一个简单的两步工作流,我们喜欢在解决机器学习任务方面遵循。第一步是训练你的模型。我们首先引入数据,这将来自各种不同的来源,例如数据库,流式设备等。接下来,我们使用特征提取或其他统计工具预处理数据。此步骤对于将数据转换为机器学习算法可以使用的格式至关重要。
之后,我们就可以从数据中学习了。如果任务是预测标签或类别,我们选择分类方法。如果任务是预测连续值,那么我们选择回归方法,然后继续构建模型。当然,这是一个迭代过程,需要反复到预处理步骤,尝试不同的机器学习算法,调整不同的参数,等等。
这个工作流程的第二步是实际使用模型,所以在左边,我有新的数据,并在右边,我需要做出预测。那么,我们需要从数据去预测?首先,我们需要使用所有新数据的预处理步骤,所以没有这里涉及额外的工作。我们只是重复使用我们都在训练阶段所花费的心血。
接下来,我们使用训练阶段的模型进行预测。对于一些工程问题,第二步通常部署或集成到生产环境中,例如,在服务器上使用机器学习执行自动特征。现在让我们使用这个工作流来通过MATLAB中的一个例子。
此示例的目的是训练分类器以基于传感器测量自动识别人类活动。数据由六个输入组成,来自加速度计和三个来自陀螺仪。输出的响应是执行的活动:行走,站立,跑步,攀爬楼梯和铺设。
我们将采取的方法如下。首先,我们将从传感器信号中提取基本功能。然后,我们将使用分类学习者培训并比较几种不同的分类器,最后测试结果对看不见的传感器数据进行测试。
这是MATLAB。我们将从当前文件夹窗口开始。由于工作流的第一步是引入数据,我将加载一些原始传感器数据,我在这里有一个MAT文件。要导入这些数据,我所要做的就是将其拖放到工作区窗口中。工作空间窗口可以帮助您跟踪MATLAB中的所有变量,无论它们是现有的变量还是我们在移动过程中创建的新变量。
我的数据包括七个变量。前六是感觉输入变量,三个用于陀螺仪,用于加速度计x,y和z。最后一个变量,对传感器测量的每个观察活动标签包含活动标签。请注意所有变量有大约7,000个观察结果。让我们来看看个人感官输入看起来像什么。
如果我绘制一排X轴陀螺数据,我们认为它有大约128分。现在,这就是数据所代表的。传感器数据通常收集并用窗口帧固定。每行具有128个读数,对应于传感器数据的两个和半秒。
现在,这些数据的形式不能用于机器学习。我必须首先处理所有这些输入,为这128个点或2秒半窗口提取特征,我必须对所有6个传感器输入都这样做。但在我们开始特征提取之前,让我们先看看原始传感器数据是什么样的。
我在这里有一个自定义图,它显示了三个加速度计原始传感器数据,它们具有与人在执行的活动相对应的不同颜色。Matlab的情节相当互动。我可以放大,看看是否有任何视觉模式,或者是否有可能有助于我们确定人的活动。
快速浏览,我们可以看到传感器值对于这些颜色中的每种颜色看起来不同。例如,与爬楼梯相对应的橙色值与彼此相对应的紫色值非常不同。然而,与此同时,很难在视觉上差别散步和攀爬,因为这两者都涉及很多运动。这些问题是机器学习的好候选人,因为我们可以为每个活动定义规则并不总是很明显。
在我们从功能提取步骤开始之前,我将从这六个传感器输入中创建一个表。表是用于保持混合型数据的优秀工具,这在机器学习中很常见。在此示例中,我们具有传感器测量,这是数字的数字,并且是一种分类值的标签。
我现在在我的工作区中有一个表变量,包括所有六个单独的传感器变量。使用针对机器学习表的另一个优点是我可以使用单行代码将单个特征提取功能应用于此表中的所有变量。我所要做的就是呼叫varfun,它代表变量函数,并通过我的功能提取功能。WMEAN以下是计算传感器变量中每行的平均值的函数。在这种情况下,我计算了传感器值的两个和半第二帧的平均值。
WMean是我当前文件夹的浏览器功能,并且你可以看到,这是一个相当简单的功能。但是,这取决于你的应用程序,并要提取的特征,这可能是因为复杂的,都可以。除了均值,我想提取其他两个特征,也就是对于每个帧的标准偏差,和PCA,它代表主成分分析,我想只保留第一主成分。由于表可以容纳混合型数据,我打算将标签分配活动在表一个新的变量称为活动。
让我们来看看人类活动数据表的样子。我总共有19列,前六个对应于帧的平均值。接下来的六个是框架的标准偏差,最终六个是PCA输出。我的最后一列是对应于每个观察的活动,可以铺设,坐着,爬楼梯,站立或行走。
现在我们准备好了数据,让我们移动分类学习者训练我们的模型。分类学习者是统计和机器学习工具箱的一部分,您可以通过在MATLAB命令行上键入分类学习者来启动它。或者您可以在Mat统计和优化下的AppStat下找到它。
我们首先从MATLAB工作区导入我们的数据开始。在导入对话框中的步骤之一,我们选择从MATLAB工作空间数据集。下步骤2,通知该应用程序自动选择一个变量是否是一个预测值或响应。
应用程序根据数据类型来决定。但是,您也可以选择更改其角色或完全删除该变量。现在,我们就这样吧。
在第三步骤中,我们可以选择我们的验证方法。验证可以防止超接收的问题。当您具有相对较小的数据集时,选择交叉验证,因为它有效地使用所有数据。如果有足够的数据,请选择撤销。
我选择这个选项来解决我们的问题因为我们有很多数据点。将Hold Out比例设置为20%会指示应用程序使用80%的数据进行训练,20%用于验证模型的性能。最后一个选项通常不推荐。由于所有的数据都用于训练和测试,这导致了对模型准确性的偏差估计。
分类学习者是一个相当互动的环境,具有许多不同的窗口和组件,我保证我们会在他们变得相关时经历其中的每一个人。顶部的ToolStrip显示一直从导入数据以导出模型的左右工作流程。在这里,这里是由响应变量分组的成对散点图。
这个图对于查找模式很有用。例如,这对预测器,我们注意到铺设似乎与其他活动分离得很好。坐姿似乎也很分开,但也有一些重叠。工具条上的特征选择选项允许您从模型中排除预测器。对于这个例子,因为我们没有太多的预测器,所以我们将保持这个。
在解决分类问题时,没有一种尺寸适合所有。不同的分类器最适合不同类型的数据和问题。分类学习者可让您从决策树中选择,支持向量机,最近的邻居和集合分类器,以及每个分类器类型,有几个预设是一系列分类问题的出色万博1manbetx起点。如果您不确定选择哪种选择,则弹出工具提示为您提供了分类器的简要说明。
当使用MATLAB时,帮助总是只需点击即可。如果需要进一步的帮助,只需点击右上角的问号,就会打开应用程序的文档。你可以在这里找到关于应用程序的所有信息。现在,让我们看下一节,它提供了选择分类器的指导。
这里是一个不错的表格,让您指导其分类进行选择,这取决于你想的权衡。例如,决策树的快速配合,但有媒体预测的准确性。在另一方面,最近的邻居有较小的问题预测精度高,而且还具有很高的内存使用情况。让我们用这个技巧从文档,并与决策树首先启动。
培训一个模型很容易。只需从画廊选择预设并点击火车,这将在模型历史中产生火车模型,以及其预测准确性。让我们训练中等树和一棵复杂的树。在验证集上执行最佳的模型始终由绿色框显示。
除了预测精度百分比外,还有其他有用的诊断工具。混乱矩阵是一个很好的工具,可以告诉您分类器如何快速浏览,因此这就是您读取混淆矩阵的方式。对角线上的任何东西都是正确的分类。偏离对角线被错误分类。一个完美的分类器将在对角线上有100%,而且在其他地方0%。
让我们仔细看看一个活动:爬楼梯。89.1%的情况下,模型成功预测了活动。然而,10.9%的情况下,模型认为爬楼梯是步行,换句话说,模型误将爬楼梯定义为步行。在现代历史中,我们总是可以在不同的模型之间切换,以比较混淆矩阵。
应用程序中可用的另一个诊断工具是Auto C曲线。自动C曲线用于描述二进制分类器的灵敏度。曲线的形状显示了灵敏度和特异性之间的权衡。当我们向上移动和曲线的右侧移动时,我们增加了真实阳性的可能性,但也增加了误报的可能性。
在我看来,使用应用程序而不是编写代码的最大优势之一是能够训练多个模型。除了决策树,我现在要训练最近邻分类器因为我知道它们训练和预测都很快。当训练多个模型时,你不必局限于这些预设。
如果您是高级用户,则可以始终将高级弹出窗口调整为调整分类器参数。为方便起见,这些更改也显示在模型历史中。我们现在有大约八种型号左右的模型历史,而且我在几秒钟内训练了所有这些历史,而不撰写单行的Matlab代码。
有两种模式可以导出分析。您可以将模型直接导出到MATLAB中,或者您可以选择生成MATLAB代码,该代码可让您自动执行我们在构建此模型的所有步骤,而无需编写任何代码。让我选择这个选项来向您展示生成的代码看起来像什么。
我在Matlab中有什么,是一个评论的完全自动化的matlab代码。我们还可以看到代码捕获的工作流中的不同步骤。例如,提取预测器和响应,使用KNN分类器训练分类器,并设置保持验证等。您可以始终自定义此生成的代码以将其集成到您的应用程序中。
让我们回到Classification Learner并导出一个模型,我们可以看到这个模型现在在MATLAB工作空间中可用。现在,我们可以在新数据上测试模型了。首先,我们从MAT文件中加载一些新的传感器数据。然后我们使用与之前相同的特征提取步骤。然后我们使用导出的模型对新的传感器数据进行测试。
正如我们之前所看到的,顶部绿色栏显示了该人正在执行的实际活动,以及当模型成功检测到活动时的底部绿杆。如果犯错误,它是红色的。如果您想尝试新型号,您只需返回分类学习者,直接导出模型或生成MATLAB代码并培训新模型以预测新数据。
让我们快速看看我们的工作流程来总结我们所做的事情。我们的训练数据是从手机传感器获得的传感器信号。我们应用了基本的预处理技术以提取平均标准偏差和PCA等特征。然后,我们使用分类学习者应用程序根据持续验证准确性来到我们最好的模型。
为了用新数据预测,我们在新数据上应用了相同的预处理步骤,然后我们使用训练有素的模型来进行预测,然后可视化结果。让我们通过另一个例子,我们将使用图像数据训练机器学习模型。此示例的目的是训练分类器以自动从网络摄像头视频中检测汽车。数据包括四个不同玩具车的几个图像。输出的响应是这四辆汽车中的每一个的标签。
我们将采取的方法如下。首先,我们将使用称为文字袋的技术从这些图像中提取特征。然后,我们使用这些功能培训并使用分类学习者培训和分类几个不同的分类器。最后 - 这是一个有趣的部分 - 我们会看到我们在办公室的网络摄像头饲料实时识别汽车的实时演示。
所以让我们切换到Matlab。我要清除我的工作区并开始清洁的平板。所以让我们来看看我们的数据。所以这里有一堆图像和文件夹,每个文件夹名称是该文件夹中的图像集的标签。让我们来看看Matlab的图像看起来像什么。
这是一组从不同角度和不同光照条件下拍摄的沙丘图像,我有四辆车的一些这样的图像。在处理图像时,循环加载所有图像并跟踪所有文件、文件夹和标签可能是很痛苦的。计算机视觉系统工具箱有方便的工具,如图像集,使这一任务很容易。我只是提供了图像集与一个文件夹,其中有我所有的图像,并指示查看所有的子文件夹。Image Set的另一个重要优点是它不会将所有的图像加载到内存中,所以当你有很多很多的图像时,它很容易使用。
为了预处理我的数据并提取特征,我将使用一种叫做特征包的方法。这是一种相当复杂的从图像中提取特征的技术,效果非常好。如果您有兴趣了解更多关于函数的功能,计算机视觉系统工具箱文档详细说明了算法的底层功能。现在,让我们将这个函数视为一个特征提取工具,我们将使用它从图像中提取特征。
就像我们在前面的例子中所做的那样,让我们创建一个表并将标签分配给该表。让我们直接进入分类学习者,开始训练我们的模型。让我们快速看一下我们的数据。我们从图像中提取了200个新特征,最后一个变量是响应。我将再次选择holdout作为我的验证,现在我准备开始训练模型了。
我将快速训练一些模型,从最近邻和支持向量机开始。万博1manbetx现在我已经或多或少地接受了一些训练,让我们用混淆矩阵做一个快速的视觉诊断。混淆矩阵大多是对角线的,所以这是一件好事,我们将快速导出其中一个模型,看看它在真实流图像上的表现。
在我运行这个功能,我想向你展示的代码,是多么容易获得流媒体图像,并实时分类。该函数在两个输入。第一是火车模型,第二是袋的-设有一个对象,我将用于提取从新的图像的功能。
启动网络摄像头很容易。我需要做的就是致电网络摄像头命令。在连续运行的循环中,首先,我从网络摄像头中获取快照,然后将其转换为灰度,这意味着模型应该能够识别没有颜色信息的汽车。下一步是从此新图像中提取功能,最后使用预测功能和训练模型来对新图像进行预测。让我们回去运行此功能。
此处的顶部绘图显示了来自我的网络摄像头的图像,这里的绿色栏是模型对该图像的预测的结果。这是我正在使用的分类器,这条条形图显示了对分类器是多么自信,即这辆汽车属于闪电,母体,奈杰尔或沙丘。所以让我们移动相机,看看模型如何以不同的角度和方向执行。
所以模型基本上得到了闪电,但当我们移动到奈杰尔,你会看到模型不是完全确定它是哪一辆车。下面的概率图显示了模型对这是哪辆车的预测有多自信。这是沙丘,最后是脱线。
让我们从分类学习者出口另一个模型,看看两款模型如何并排执行。所以我将使用线性SVM,然后选择带有默认名称的导出。所以我现在有两个分类器,或者在我的工作空间中有两个模型。一个是knn。另一个是支持向量机。万博1manbetx
现在让我运行这件代码,它并排比较了这两个分类器的性能。我们再次看到的是一个视频比较了两个分类器并排性能的视频。在红色左上方的左上角是我们的SVM分类器的性能,右下角是KNN分类器的性能。这里的重要信息不仅可以轻松比较和测试分类学习者的模型,而且可以很容易地将这些模型输出到Matlab并实时测试它们。
我们的演示到此结束。现在让我们回到我们的演讲。让我们再用我们熟悉的工作流图总结一下我们刚刚完成的工作。
我们的投入由磁盘上的几个标记图像组成。我们使用文字袋方法来生成新功能。然后我们使用分类学习者应用程序到达我们最好的模型。对于预测步骤,我们从网络摄像头获取新数据,编码图像和新功能,并使用经过培训的模型来进行实时预测。
这将我们带到了摘要和关键的外卖。总结我们到目前为止所见的内容,让我回到在这个演示文稿开始时设置的挑战。希望你今天见过Matlab如何能够解决这些挑战。
对于数据分集的第一个挑战,我们看到Matlab如何使用不同类型的数据。MATLAB还可以访问和下载财务数据源,使用文本,地理空间数据和其他几种数据格式。MATLAB还有审查的工业标准算法和功能图书馆。MATLAB还为金融,信号处理,图像处理和其他几个提供了特定工程工作流程的额外工具。
我们还看到了如何快速构建和原型解决方案,这些解决方案与应用驱动的工作流相互作用,让你专注于机器学习,而不是万博 尤文图斯编程和调试。机器学习的最佳实践,如交叉验证和模型评估工具,被集成到应用程序和功能中。正如我们所看到的,MATLAB也有丰富的文档,其中有一些指导方针,可以帮助您选择合适的工具。最后,MATLAB本质上是一个灵活的建模环境和完整的编程语言,对您可以进行的定制分析没有任何限制。这使得MATLAB成为一个优秀的机器学习平台。
这将我们带到了我们的演示文稿结束,我会尽力保持这种简短。我想与你分享一些准则,你应该考虑机器学习。如果您正在进行手写规则和方程式太复杂或不可能制定的问题,请考虑机器学习。或者,当您的任务规则不断变化时,由于您的任务是移动目标,您的程序或模型需要不断调整。或者数据变化的性质,程序需要不断适应。
希望,我已经能够说服你们MATLAB是一个强大的平台对于机器学习工作流的每一步。我们一直有兴趣听取您的意见,您可以在统计和机器学习工具箱产品页面找到我的联系信息。如果您有兴趣了解更多,请查看产品文档。这里有大量的示例和概念页面,不仅可以帮助您入门,还可以指导您掌握这些工具。
要了解有关与机器学习相关的算法,应用领域,示例和网络研讨会,请随时访问机器学习页面。这将我们带到了本届会议结束。谢谢大家听。
特色产品
您还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。