機器學習概要介紹

1、 機器學習概要介紹導讀：MATLAB開發(fā)運營團隊深度解析何為機器學習，什么時候使用機器學習，如何選擇機器學習算法，MATLAB到底能為機器學習提供怎樣的便利？機器學習是一種數(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)驗中學習。機器學習算法使用計算方法直接從數(shù)據(jù)中“學習”信息，而不依賴于預定方程模型。當可用于學習的樣本數(shù)量增加時，這些算法可自適應提高性能。一機器學習為什么那么重要？隨著大數(shù)據(jù)應用增加，機器學習已成為解決以下領域問題的一項關鍵技術(shù)：計算金融學，用于信用評估和算法交易。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。計算生物學，用于腫瘤檢測、藥物發(fā)現(xiàn)和 DNA 序列

2、分析。能源生產(chǎn)，用于預測價格和負載。汽車、航空航天和制造業(yè)，用于預見性維護。自然語言處理，用于語音識別應用。更多數(shù)據(jù)、更多問題、更好的解答機器學習算法能夠在產(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測。醫(yī)療診斷、股票交易、能量負荷預測及更多行業(yè)每天都在使用這些算法制定關鍵決策。例如，媒體網(wǎng)站依靠機器學習算法從數(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。何時應該使用機器學習？當你遇到涉及大量數(shù)據(jù)和許多變量的復雜任務或問題，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習。例如，如果你需要處理以下情況，使用機器學習是一個很好的選擇：二機

3、器學習的工作原理：機器學習采用兩種技術(shù)：監(jiān)督式學習和無監(jiān)督學習。監(jiān)督式學習根據(jù)已知的輸入和輸出訓練模型，讓模型能夠預測未來輸出；無監(jiān)督學習從輸入數(shù)據(jù)中找出隱藏模式或內(nèi)在結(jié)構(gòu)。監(jiān)督式學習：監(jiān)督式機器學習能夠根據(jù)已有的包含不確定性的數(shù)據(jù)建立一個預測模型。監(jiān)督式學習算法接受已知的輸入數(shù)據(jù)集（包含預測變量）和對該數(shù)據(jù)集的已知響應（輸出，響應變量），然后訓練模型，使模型能夠?qū)π螺斎霐?shù)據(jù)的響應做出合理的預測。如果你嘗試去預測已知數(shù)據(jù)的輸出，則使用監(jiān)督式學習。監(jiān)督式學習采用分類和回歸技術(shù)開發(fā)預測模型。分類技術(shù)可預測離散的響應 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

4、類別。典型的應用包括醫(yī)學成像、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 (Nave Bayes)、判別分析、邏輯回歸和神經(jīng)網(wǎng)絡。回歸技術(shù)可預測連續(xù)的響應 例如，溫度的變化或電力需求中的波動。典型的應用包括電力系統(tǒng)負荷預測和算法交易。如果你在處理一個數(shù)據(jù)范圍，或你的響應性質(zhì)是一個實數(shù)（比如溫度，或一件設備發(fā)

5、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)絡和自適應神經(jīng)模糊學習。小例子：使用監(jiān)督式學習預測心臟病發(fā)作假設臨床醫(yī)生希望預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)督學習：無監(jiān)督學習可發(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

6、習技術(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，則可以使用機器學習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習算法？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)督機器學習算法中選擇，每種

7、算法又包含不同的學習方法。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)督機器學習的一些準則：在以下情況下選擇監(jiān)督式學習：你需要訓練模型進行預測（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)絡攝像頭的錄像片段確定汽車的技術(shù)細節(jié)）。在以下情況下選擇無監(jiān)督學習：你需要深入了解數(shù)據(jù)并希望訓練模型找到好的內(nèi)部表示形式，例如將數(shù)據(jù)拆分到集群中。三MATLAB機器學習：你如何借助機器學習的力量，使用數(shù)據(jù)做出更好的決策？MATLAB 讓機器學習簡單易行。借助用于處理大數(shù)據(jù)的工具和函數(shù)，以及讓機器學習發(fā)揮作用的應用程序，MATLAB 是將機器學習應用于你的數(shù)據(jù)分析的理想環(huán)境。使用 MATLAB，工程師和數(shù)據(jù)科學家可以立即訪問預置的函數(shù)、大量的工具箱以及用于分類、回歸和聚類的專門應用程序。MATLAB可以做到：比較各種方法，例如邏輯回歸、分類樹、支持