資訊專欄INFORMATION COLUMN
摘要：機(jī)器學(xué)習(xí)可以說是高級分析的典型代表。機(jī)器學(xué)習(xí)領(lǐng)域匯集了眾多技術(shù)，這些技術(shù)用于讓計算機(jī)基于大量數(shù)據(jù)來學(xué)習(xí)數(shù)據(jù)的傾向并作出某些判斷。機(jī)器學(xué)習(xí)的算法可以根據(jù)輸入的數(shù)據(jù)類型分為監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)兩種。
機(jī)器學(xué)習(xí)可以說是高級分析的典型代表。機(jī)器學(xué)習(xí)領(lǐng)域匯集了眾多技術(shù)，這些技術(shù)用于讓計算機(jī)基于大量數(shù)據(jù)來學(xué)習(xí)數(shù)據(jù)的傾向并作出某些判斷。機(jī)器學(xué)習(xí)的算法可以根據(jù)輸入的數(shù)據(jù)類型分為“監(jiān)督學(xué)習(xí)”和“非監(jiān)督學(xué)習(xí)”兩種。
當(dāng)用機(jī)器學(xué)習(xí)的算法讓計算機(jī)學(xué)習(xí)數(shù)據(jù)傾向時，算法會根據(jù)用于學(xué)習(xí)的數(shù)據(jù)中是否含有“正確答案”的數(shù)據(jù)而有所不同。打個比方，假設(shè)現(xiàn)在要從傳感器數(shù)據(jù)來判斷分析設(shè)備的故障情況和建筑物的損壞情況等異常狀況。如果采用監(jiān)督學(xué)習(xí)的算法，就需要輸入過去實際發(fā)生異常狀況時的數(shù)據(jù)，即需要明確地輸入“異?！钡臄?shù)據(jù)。說白了，算法要學(xué)習(xí)“正確答案”和“不正確答案”之間存在的差異。
相對而言，非監(jiān)督學(xué)習(xí)不區(qū)分輸入的數(shù)據(jù)是否存在異常，也就是說，非監(jiān)督學(xué)習(xí)算法會學(xué)習(xí)數(shù)據(jù)整體的傾向，在整體中找出傾向不同的數(shù)據(jù)，將其判斷為“異常值”。
?對于想要還原場景的情況，需要基于是否有當(dāng)時的數(shù)據(jù)這一點來判斷是采用監(jiān)督學(xué)習(xí)還是非監(jiān)督學(xué)習(xí)。特別是對于那些極少發(fā)生的異常情況，如果不能準(zhǔn)備正確答案，就需要考慮采用非監(jiān)督學(xué)習(xí)。另外，如果無法預(yù)測以后會發(fā)生什么異常狀況，那么使用非監(jiān)督學(xué)習(xí)來建立平常狀態(tài)的模型，就能檢測出和平常狀態(tài)不同的狀態(tài)（即異常）。
如果確定了想要發(fā)現(xiàn)的異常的種類，也采集到了足夠的數(shù)據(jù)，那么采用監(jiān)督學(xué)習(xí)會更加精確地檢測出異常情況。
那么在理解了監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)的基礎(chǔ)上，接下來就以聚類和類別分類等為切入點來了解一下這些分析方法。根據(jù)其用法，分析方法可以分為幾種。其中，圖所示的3 種方法的使用頻率特別高，接下來將詳細(xì)講解這3 種方法。
聚類分析，其目的是基于樣本（樣本數(shù)據(jù)）具有的特征，把相似的樣本分成多個組（聚類）。具體的聚類算法包括K-means 算法、自組織映射、層次聚類等。這些方法能夠根據(jù)數(shù)據(jù)的特征找到并整合具有同樣特征的數(shù)據(jù)。
K-means 算法就是針對數(shù)據(jù)的分布來事先指定要把數(shù)據(jù)分成多少個塊，即分成多少個聚類，由此來機(jī)械性地生成數(shù)據(jù)塊的一種算法。
類別分類分析的目的在于把數(shù)據(jù)分成兩組或者更多組。雖然有人可能會感覺它跟聚類分析很相似，但類別分析用在已經(jīng)明確想好了要分類的對象，基于過去的數(shù)據(jù)來分出對象組和非對象組的場合。類別分類算法包括線性判別式分析、決策樹分析、支持向量機(jī)（SVM）等。特別是支持向量機(jī)還被用于圖像識別算法，即識別某張圖像上都拍攝了什么內(nèi)容。
維度壓縮也叫“維度約簡”或“降維”，即對于大型數(shù)據(jù)中的大量數(shù)據(jù)，盡全力留下其中的重要信息并壓縮冗余的信息，借此來縮小數(shù)據(jù)量的分析方法。維度壓縮包括主成分分析、因子分析、多維尺度法等。很多時候設(shè)備發(fā)來的傳感器信息太多，或是要分析從無數(shù)臺設(shè)備發(fā)來的海量信息時，還會出現(xiàn)很多不需要的信息，即對于獲取結(jié)果來說沒有什么用的信息。此時，通過進(jìn)行維度壓縮，就能切去不需要的信息，把數(shù)據(jù)轉(zhuǎn)化成一種更易于分析的形式。
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://m.hztianpu.com/yun/123905.html
摘要：亞馬遜人工智能語音助手技能超過萬個，全球各主要硬件廠商紛紛搭載或兼容，使得其亞馬遜助手無處不在。物聯(lián)網(wǎng)設(shè)備透過云端實現(xiàn)跨行業(yè)和跨設(shè)備互聯(lián)互通，所收集數(shù)據(jù)除了在邊緣側(cè)處理，還需要上傳至云端，云端作為數(shù)據(jù)集散地，各種數(shù)據(jù)經(jīng)過云端AI處理后，對這些數(shù)據(jù)利用將會帶來新的商業(yè)模式。在物聯(lián)網(wǎng)資深專家楊劍勇看來，云計算是全球物聯(lián)網(wǎng)重要基礎(chǔ)設(shè)施，作為物聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展基石，聚集了亞馬遜、微軟、谷歌和BAT等重量...
摘要：物聯(lián)網(wǎng)的計算可以做以下事情來促進(jìn)物聯(lián)網(wǎng)的數(shù)據(jù)處理和智能化基于云計算的模型基于霧的計算模型邊緣計算模型這里有一種計算機(jī)類型，它補充了霧和邊緣計算，使它們變得更好，而不需要再等上年。從物聯(lián)網(wǎng)從業(yè)者的角度來看，經(jīng)?？吹綄τ嬎愀涌捎煤头植际降男枨?。當(dāng)開始將物聯(lián)網(wǎng)與OT和IT系統(tǒng)整合時，面臨的第一個問題是設(shè)備發(fā)送到服務(wù)器的龐大數(shù)據(jù)量。在一個工廠自動化的場景中，可能有數(shù)百個集成的傳感器，這些傳感器每1...
摘要：全球主要的云計算提供商現(xiàn)在提供基于云計算的人工智能產(chǎn)品。顯然，由于從頭開始構(gòu)建這樣一個系統(tǒng)的費用高昂，人工智能作為一項服務(wù)仍然一直位于行業(yè)巨頭所在的領(lǐng)域。在用于人工智能服務(wù)的品牌下，公司提供不少于項服務(wù)。如今，采用人工智能的企業(yè)遇到了一個主要障礙，那就是在內(nèi)部開發(fā)人工智能產(chǎn)品成本高昂，因此有了外包人工智能產(chǎn)品的需求。而對于從中小企業(yè)到預(yù)算受限的大型企業(yè)來說，通過云計算來采用人工智能的成本要低...
摘要：從云計算的投資到區(qū)塊鏈的發(fā)展，通過在能源行業(yè)中的應(yīng)用，可以跨行業(yè)地學(xué)習(xí)和應(yīng)用這些技術(shù)時出現(xiàn)的機(jī)會和經(jīng)驗教訓(xùn)。投資云計算可以轉(zhuǎn)變?yōu)楦觿討B(tài)的商業(yè)模式，大多數(shù)數(shù)字物聯(lián)網(wǎng)平臺都依賴于云計算技術(shù)。然而，新生的邊緣計算技術(shù)可能會顛覆云計算的主導(dǎo)地位。新興技術(shù)的發(fā)展趨勢有可能顛覆和徹底改變行業(yè)。這些技術(shù)將會推動創(chuàng)新，迫使企業(yè)迅速采取行動以避免自滿。能源行業(yè)就提供了一個很好的例子，發(fā)展成熟的公用事業(yè)公司和...
摘要：半個多世紀(jì)的某個夏天，麥卡錫明斯基等眾科學(xué)家們舉辦了一次，共同研究用機(jī)器模擬智能的問題，也是在那時，人工智能的理念正式被提出人工智能簡稱，能根據(jù)大量的歷史資料和實時觀察找出對于未來預(yù)測性的洞察。 半個多世紀(jì)的某個夏天，麥卡錫、明斯基等眾科學(xué)家們舉辦了一次Party，共同研究用機(jī)器模擬智能的問題，也是在那時，人工智能(AI)的理念正式被提出！showImg(https://segment...
閱讀 3560·2021-11-19 09:40
閱讀 1571·2021-10-13 09:41
閱讀 2784·2021-09-29 09:35
閱讀 2777·2021-09-23 11:21
閱讀 1811·2021-09-09 11:56
閱讀 921·2019-08-30 15:53
閱讀 900·2019-08-30 15:52
閱讀 659·2019-08-30 12:47
