摘要：?MATLAB開發(fā)運營團隊深度解析何為機器學(xué)習(xí)，什么時候使用機器學(xué)習(xí)，如何選擇機器學(xué)習(xí)算法，MATLAB到底能為機器學(xué)習(xí)提供怎樣的便利？

機器學(xué)習(xí)是一種數(shù)據(jù)分析技術(shù)，讓計算機執(zhí)行人和動物與生俱來的活動：從經(jīng)驗中學(xué)習(xí)。機器學(xué)習(xí)算法使用計算方法直接從數(shù)據(jù)中“學(xué)習(xí)”信息，而不依賴于預(yù)定方程模型。當可用于學(xué)習(xí)的樣本數(shù)量增加時，這些算法可自適應(yīng)提高性能。

一．機器學(xué)習(xí)為什么那么重要？

隨著大數(shù)據(jù)應(yīng)用增加，機器學(xué)習(xí)已成為解決以下領(lǐng)域問題的一項關(guān)鍵技術(shù)：

·?????????1.計算金融學(xué)，用于信用評估和算法交易。

·?????????2.圖像處理和計算機視覺，用于人臉識別、運動檢測和對象檢測。

·?????????3.計算生物學(xué)，用于腫瘤檢測、藥物發(fā)現(xiàn)和 DNA 序列分析。

·?????????4.能源生產(chǎn)，用于預(yù)測價格和負載。

·?????????5.汽車、航空航天和制造業(yè)，用于預(yù)見性維護。

·?????????6.自然語言處理，用于語音識別應(yīng)用。

更多數(shù)據(jù)、更多問題、更好的解答

機器學(xué)習(xí)算法能夠在產(chǎn)生洞察力的數(shù)據(jù)中發(fā)現(xiàn)自然模式，幫助你更好地制定決策和做出預(yù)測。醫(yī)療診斷、股票交易、能量負荷預(yù)測及更多行業(yè)每天都在使用這些算法制定關(guān)鍵決策。例如，媒體網(wǎng)站依靠機器學(xué)習(xí)算法從數(shù)百萬種選項中篩選出為你推薦的歌曲或影片。零售商利用這些算法深入了解客戶的購買行為。

何時應(yīng)該使用機器學(xué)習(xí)？

當你遇到涉及大量數(shù)據(jù)和許多變量的復(fù)雜任務(wù)或問題，但沒有現(xiàn)成的處理公式或方程式時，可以考慮使用機器學(xué)習(xí)。例如，如果你需要處理以下情況，使用機器學(xué)習(xí)是一個很好的選擇：

二．機器學(xué)習(xí)的工作原理：

機器學(xué)習(xí)采用兩種技術(shù)：監(jiān)督式學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。監(jiān)督式學(xué)習(xí)根據(jù)已知的輸入和輸出訓(xùn)練模型，讓模型能夠預(yù)測未來輸出；無監(jiān)督學(xué)習(xí)從輸入數(shù)據(jù)中找出隱藏模式或內(nèi)在結(jié)構(gòu)。

監(jiān)督式學(xué)習(xí)：

監(jiān)督式機器學(xué)習(xí)能夠根據(jù)已有的包含不確定性的數(shù)據(jù)建立一個預(yù)測模型。監(jiān)督式學(xué)習(xí)算法接受已知的輸入數(shù)據(jù)集（包含預(yù)測變量）和對該數(shù)據(jù)集的已知響應(yīng)（輸出，響應(yīng)變量），然后訓(xùn)練模型，使模型能夠?qū)π螺斎霐?shù)據(jù)的響應(yīng)做出合理的預(yù)測。如果你嘗試去預(yù)測已知數(shù)據(jù)的輸出，則使用監(jiān)督式學(xué)習(xí)。

監(jiān)督式學(xué)習(xí)采用分類和回歸技術(shù)開發(fā)預(yù)測模型。

分類技術(shù)可預(yù)測離散的響應(yīng) — 例如，電子郵件是不是垃圾郵件，腫瘤是惡性還是良性的。分類模型可將輸入數(shù)據(jù)劃分成不同類別。典型的應(yīng)用包括醫(yī)學(xué)成像、語音識別和信用評估。

如果你的數(shù)據(jù)能進行標記、分類或分為特定的組或類，則使用分類。例如，筆跡識別的應(yīng)用程序使用分類來識別字母和數(shù)字。在圖像處理和計算機視覺中，無監(jiān)督模式識別技術(shù)用于對象檢測和圖像分割。

用于實現(xiàn)分類的常用算法包括：支持向量機 (SVM)、提升 (boosted)?決策樹和袋裝 (bagged)?決策樹、k-最近鄰、樸素貝葉斯 (Na?ve Bayes)、判別分析、邏輯回歸和神經(jīng)網(wǎng)絡(luò)。

回歸技術(shù)可預(yù)測連續(xù)的響應(yīng) — 例如，溫度的變化或電力需求中的波動。典型的應(yīng)用包括電力系統(tǒng)負荷預(yù)測和算法交易。

如果你在處理一個數(shù)據(jù)范圍，或你的響應(yīng)性質(zhì)是一個實數(shù)（比如溫度，或一件設(shè)備發(fā)生故障前的運行時間），則使用回歸方法。

常用回歸算法包括：線性模型、非線性模型、規(guī)則化、逐步回歸、提升 (boosted)?和袋裝 (bagged)?決策樹、神經(jīng)網(wǎng)絡(luò)和自適應(yīng)神經(jīng)模糊學(xué)習(xí)。

小例子：使用監(jiān)督式學(xué)習(xí)預(yù)測心臟病發(fā)作

假設(shè)臨床醫(yī)生希望預(yù)測某位患者在一年內(nèi)是否會心臟病發(fā)作。他們有以前就醫(yī)的患者的相關(guān)數(shù)據(jù)，包括年齡、體重、身高和血壓。他們知道以前的患者在一年內(nèi)是否出現(xiàn)過心臟病發(fā)作。因此，問題在于如何將現(xiàn)有數(shù)據(jù)合并到模型中，讓該模型能夠預(yù)測新患者在一年內(nèi)是否會出現(xiàn)心臟病發(fā)作。

無監(jiān)督學(xué)習(xí)：

無監(jiān)督學(xué)習(xí)可發(fā)現(xiàn)數(shù)據(jù)中隱藏的模式或內(nèi)在結(jié)構(gòu)。這種技術(shù)可根據(jù)未做標記的輸入數(shù)據(jù)集得到推論。

聚類是一種最常用的無監(jiān)督學(xué)習(xí)技術(shù)。這種技術(shù)可通過探索性數(shù)據(jù)分析發(fā)現(xiàn)數(shù)據(jù)中隱藏的模式或分組。聚類分析的應(yīng)用包括基因序列分析、市場調(diào)查和對象識別。

例如，如果移動電話公司想優(yōu)化他們手機信號塔的建立位置，則可以使用機器學(xué)習(xí)來估算依賴這些信號塔的人群數(shù)量。一部電話一次只能與一個信號塔通信，所以，該團隊使用聚類算法設(shè)計蜂窩塔的最佳布局，優(yōu)化他們的客戶群組或集群的信號接收。

用于執(zhí)行聚類的常用算法包括：k-均值和 k-中心點（k-medoids）、層次聚類、高斯混合模型、隱馬爾可夫模型、自組織映射、模糊 c-均值聚類法和減法聚類。

如何確定使用哪種機器學(xué)習(xí)算法？

選擇正確的算法看似難以駕馭——需要從幾十種監(jiān)督式和無監(jiān)督機器學(xué)習(xí)算法中選擇，每種算法又包含不同的學(xué)習(xí)方法。

沒有最佳方法或萬全之策。找到正確的算法只是試錯過程的一部分——即使是經(jīng)驗豐富的數(shù)據(jù)科學(xué)家，也無法說出某種算法是否無需試錯即可使用。但算法的選擇還取決于你要處理的數(shù)據(jù)的大小和類型、你要從數(shù)據(jù)中獲得的洞察力以及如何運用這些洞察力。

下面是選擇監(jiān)督式或者無監(jiān)督機器學(xué)習(xí)的一些準則：

·?????????1.在以下情況下選擇監(jiān)督式學(xué)習(xí)：你需要訓(xùn)練模型進行預(yù)測（例如溫度和股價等連續(xù)變量的值）或者分類（例如根據(jù)網(wǎng)絡(luò)攝像頭的錄像片段確定汽車的技術(shù)細節(jié)）。

·?????????2.在以下情況下選擇無監(jiān)督學(xué)習(xí)：你需要深入了解數(shù)據(jù)并希望訓(xùn)練模型找到好的內(nèi)部表示形式，例如將數(shù)據(jù)拆分到集群中。

三．MATLAB機器學(xué)習(xí)：

你如何借助機器學(xué)習(xí)的力量，使用數(shù)據(jù)做出更好的決策？MATLAB 讓機器學(xué)習(xí)簡單易行。借助用于處理大數(shù)據(jù)的工具和函數(shù)，以及讓機器學(xué)習(xí)發(fā)揮作用的應(yīng)用程序，MATLAB 是將機器學(xué)習(xí)應(yīng)用于你的數(shù)據(jù)分析的理想環(huán)境。

使用 MATLAB，工程師和數(shù)據(jù)科學(xué)家可以立即訪問預(yù)置的函數(shù)、大量的工具箱以及用于分類、回歸和聚類的專門應(yīng)用程序。

MATLAB?可以做到：

·?????????1.比較各種方法，例如邏輯回歸、分類樹、支持向量機、集成方法和深度學(xué)習(xí)。

·?????????2.使用模型精化和縮減技術(shù)創(chuàng)建能夠最好地捕捉預(yù)測能力的精確模型。

·?????????3.將機器學(xué)習(xí)模型集成到企業(yè)系統(tǒng)、集群和云中，并且將模型定位于實時嵌入式硬件。

·?????????4.為嵌入式傳感器分析工具執(zhí)行自動代碼生成。

·?????????5.支持從數(shù)據(jù)分析到部署的集成工作流程。

本文由阿里云云棲社區(qū)組織翻譯。

文章原標題《what is machine learning？》

作者：mathworks

譯者：虎說八道，審校：。

原文鏈接

干貨好文，請關(guān)注掃描以下二維碼：

總結(jié)

以上是生活随笔為你收集整理的关于机器学习，你需要知道的三件事！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。