踏浪論壇

標題: 二十一世纪如今，计算机能力的增强 [打印本頁]

作者: sohanuzzaman566 時間: 2025-1-2 11:59
標題: 二十一世纪如今，计算机能力的增强
和数据量的增加，将ML推向了新的发展阶段。 2000年代，“深度学习”的概念出现。 2010年代初是神经网络新项目被发现的时代，特别是谷歌加入了这场竞赛，早在2012年，谷歌X实验室团队的算法就学会了识别图片和视频中的猫。 Google Prediction API 也出现了——一项用于分析和机器学习的服务。

亚马逊、微软和 Facebook* 巨头也没有落后，他们拥有自己的机器学习方法发挥作用的平台。马克·扎克伯格的 DeepFace 技术已经学会了高精度识别人脸。

进入 2020 年代，机器学习的作用越来越大。技术已经应用于金融、医疗保健、工业领域，也应用于交通领域，并将越来越多地融入人们的日常生活。

机器学习方法
方式描述
监督学习该模型根据已准备好的数据（已标记）和现成的电子邮件数据库答案进行训练。算法必须选择假设的答案：正确或错误，而人必须控制结果。这是一种相对简单的机器学习技术，适用于数据分类。监督学习有助于区分对象。
无监督学习对于训练，获取的信息没有标记。算法本身必须理解区分对象的模式和特征。适用于预测和输入数据的自动清理、人类语言的识别和理解。
半监督学习这使用标记和未标记的数据。其余标记由算法本身根据指定参数执行。这种训练对于处理长文件（例如，长读文本）很有用
强化学习该方法基于模型根据动作接收的点系统。这类似于游戏中的奖励系统，玩家因正确的行动而获得奖励
机器学习方法
贝叶斯分类器
该方法得名于贝叶斯定理。它基于根据对象的特征确定对象的类。它被认为是最简单的之一，用于分类器、识别图像中的对象以及识别垃圾邮件。

贝叶斯分类器

决策树
在这种方法中，模型揭示了某些事件和对象与其他事件和对象的关系以及它们相互作用的后果。从视觉上看，该图可以用“树枝”的形式来描绘，其中根据选择呈现事件发展的不同选项。这就像是或否答案的算法测试会产生结果。该方法的优点是系统性强，但并不是到处都用。

歡迎光臨踏浪論壇 (http://5566.7788.tw/)