使用Create ML训练图像分类模型

机器学习很棒，但是很难在移动应用程序中实现。 对于没有数据科学学位的人尤其如此。 但是，借助Core ML，Apple可以使用全新的Create ML平台轻松训练您的现有iOS应用中的机器学习，以训练轻量级的自定义神经网络。

乍看上去

什么是机器学习？

机器学习是使用统计分析来帮助计算机根据数据中的特征做出决策和预测。 换句话说，这是让计算机解析数据流以形成对其的抽象理解（称为“模型”），然后使用该模型与更新的数据进行比较的行为。

如何使用？

手机上许多您喜欢的应用程序可能都包含了机器学习功能。 例如，当您键入消息时，自动更正会使用机器学习模型来预测您接下来要键入的内容，该模型会在您键入时不断更新。 甚至Siri，Alexa和Google Assistant等虚拟助手也完全依赖于机器学习来模仿人类行为。

入门

最后，让我们使用您有关机器学习的新知识来实际构建您的第一个模型！ 您需要确保已安装Xcode 10，以及在开发Mac上运行的macOS Mojave。 此外，我假设您已经具有Swift，Xcode和iOS开发的总体经验。

1.数据集和图像

在本教程中，我们将根据图像是树木还是花朵来对图像进行分类。 但是，建议您遵循自己想要分类的图像和对象。 因此，不会为您提供此示例中使用的花和树图像。

查找图像

如果您在查找图片时遇到麻烦（或者您自己的图片不够用），请尝试使用PhotoDune或Google图片 。 出于学习目的，这应该足以让您入门。 尝试查找具有不同主要对象（例如，一棵橙子，一棵树）而不是多个（例如，一串香蕉，整个森林）的图像，以免混淆模型的起点。 当然，您可以在有一定经验之后，随时添加更多的并发症。

80:20数据科学规则

在数据科学领域，优良作法是将数据集分为两类：一类用于训练模型，一类用于测试。 由于您希望最大程度地关注实际模型，因此应将80％的数据集用于训练，并应节省20％的数据以确保一切正常进行。 毕竟，这也很重要！

差异化

请牢记80:20的规则，继续创建两个文件夹： Training