如何为iOS应用训练核心ML模型

您将要创造的

Core ML使iOS开发人员可以轻松地向其应用程序添加深度机器学习。 在本文中，我将向您展示如何训练Core ML模型以得出智能见解。

过去一年，机器学习无疑是最热门的主题之一，各种公司都在努力使他们的产品更加智能，以改善用户体验并使其产品脱颖而出。 根据麦肯锡2017年的《机器学习与人工智能状况》，仅去年一年，谷歌就在人工智能上投资了200亿至300亿美元。

人工智能正在变成世界领先科技公司之间的专利和知识产权（IP）竞赛...该报告引用了许多内部开发示例，包括亚马逊对机器人技术和语音识别的投资以及对虚拟代理和机器学习的Salesforce。 宝马，特斯拉和丰田领先汽车制造商在无人驾驶汽车中使用机器人技术和机器学习的投资。 丰田计划投资10亿美元建立新的研究所，专门研究机器人和无人驾驶车辆的AI。 （来源： 《福布斯》 ）

苹果在自己的应用程序中利用了机器学习，这一趋势也不例外。 例如，适用于iOS的“照片”应用程序可以识别人脸，物体和地标，而Siri可以从语音中推断出意图和含义。 iOS消息基于先前的用户行为智能地建议和预测单词。

在本教程中，您将学习如何将机器学习算法应用于一组训练数据，以创建训练后的模型，该模型随后将基于新输入进行预测。 全部归功于Apple的新Core ML框架。

本教程的目标

本教程将向您介绍机器学习的一部分。 您将使用流行的深度学习算法框架在简单的iOS应用中训练和集成机器学习模型。 在本教程中，您将：

• 学习一些基本的机器学习概念
• 使用样本数据训练模型
• 将经过训练的模型集成到iOS应用中

在了解了NLP的理论之后，我们将通过一个简单的Twitter客户端，分析推文消息，将我们的知识付诸实践。 继续并克隆教程的GitHub存储库，并查看我们将从头开始创建的应用程序的最终版本。

假设知识

本教程假定您是一位经验丰富的iOS开发人员，但是尽管您将使用机器学习，但是您无需具备该主题的任何背景知识。 您将使用一些Python创建经过训练的模型，但是您可以在没有Python知识的情况下遵循本教程示例。

机器学习101

机器学习的目标是使计算机无需经过明确编程即可执行任务，而是具有自主思考或解释的能力。 当今最受瞩目的用例是自动驾驶：赋予汽车视觉上诠释其环境并独立驾驶的能力。

如今，大公司利用机器学习，通过使用深度学习算法来识别模式和相关性，从而根据历史数据做出更好的业务决策，从而使他们可以更好地预测未来。 例如，您可以解决诸如“特定客户购买特定产品或服务的可能性有多大？”之类的问题。 根据先前的行为有更大的信心。

机器学习最适用于您具有答案历史记录的问题，正如我们在本教程稍后部分研究示例问题时所发现的那样。 运行中的机器学习的一个示例是您的电子邮件垃圾邮件过滤器，该过滤器使用监督学习（无论您将项目标记为垃圾邮件还是不将其标记为垃圾邮件）来更好地过滤垃圾邮件。 机器学习模型对所有关于过去结果的知识进行编码，并将其提供给算法以在运行时有效使用。

乍一看可能听起来有点让人不知所措，但这并不复