内容整理引用自MATLAB 机器学习(官方中文电子书)
机器学习是什么?
机器学习教计算机执行人和动物与生俱来的活动:从经验中学习。机器学习算法使用计算方法直接从数据中“学习”信息,而不依赖于预定方程模型。当可用于学习的样本数量增加时,这些算法可自适应提高性能。
实际环境中的应用:
- 计算金融学,用于信用评估和算法交易
- 图像处理和计算机视觉,用于人脸识别、运动检测和对象检测
- 计算生物学,用于肿瘤检测、药物发现和DNA顺序分析
- 能源生产,用于预测价格和负荷
- 汽车、航空航天和制造业,用于预见性维护
- 自然语言处理
机器学习的工作原理
- 无监督式学习*(仅基于输入数据对数据进行分组和解释)*:聚类
- 监督式学习*(基于输入和输出数据开发预测模型)*:分类、回归
监督式学习
旨在构建能够根据存在不确定性的证据做出预测的模型。监督式学习算法接受已知的输入数据集和对数据的已知响应(输出),然后训练模型,让模型能够为新输入数据的响应生成合理的预测。