机器学习

2018-04-28 09:49
中国计算机报 2018年11期
关键词:机器聚类决策

机器学习,是使用计算方法从数据中“学习”信息,且不依赖于预定方程模型,当用于学习的样本数量增加时,算法可以自适应提高性能,它是人工智能的核心,是教计算机模拟或执行人类的行为。

工作原理

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輸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的数据的响应产生合理的预测。

无监督学习可发现数据中隐藏的模式或内在结构。这种技术可根据包含未标记响应的输入数据的数据集执行推理。

聚类是一种最常见的无监督学习技术。这种技术可通过探索性数据分析发现数据中隐藏的模式或分组。聚类的应用包括基因序列分析、市场调查和对象识别。

监督式学习与无监督学习

机器学习的应用

机器学习已经有非常广泛的应用,如数据挖掘、计算机视觉、语音识别、自然语言处理、预见性维护等。

机器学习算法可以从数据中发现规律,帮助人们更好地制定决策和做出预测。目前,医疗诊断、股票交易、能量负荷预测、电子商务及更多行业每天都在使用这些算法制定关键决策。

猜你喜欢
机器聚类决策
机器狗
机器狗
为可持续决策提供依据
决策为什么失误了
未来机器城
基于DBSACN聚类算法的XML文档聚类
基于高斯混合聚类的阵列干涉SAR三维成像
一种层次初始的聚类个数自适应的聚类方法研究
自适应确定K-means算法的聚类数:以遥感图像聚类为例
关于抗美援朝出兵决策的几点认识