機(jī)器學(xué)習(xí)專業(yè)人員以多種方式使用結(jié)構(gòu)化預(yù)測，通常是將某種形式的機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于特定目標(biāo)或問題，這些目標(biāo)或問題可以從更有序的預(yù)測分析起點中受益。

結(jié)構(gòu)化預(yù)測的技術(shù)定義涉及“預(yù)測結(jié)構(gòu)化對象而不是標(biāo)量離散值或?qū)嵵?rdquo;。

另一種說法是，結(jié)構(gòu)化預(yù)測不是簡單地在真空中測量各個變量，而是根據(jù)特定結(jié)構(gòu)的模型進(jìn)行工作，并將其用作學(xué)習(xí)和做出預(yù)測的基礎(chǔ)。（閱讀人工智能如何幫助進(jìn)行性格預(yù)測？）

結(jié)構(gòu)化預(yù)測的技術(shù)多種多樣——從貝葉斯技術(shù)到歸納邏輯編程、馬爾可夫邏輯網(wǎng)絡(luò)和結(jié)構(gòu)化支持向量機(jī)或最近鄰算法，機(jī)器學(xué)習(xí)專業(yè)人員擁有廣泛的工具集可用于解決數(shù)據(jù)問題。

這些想法的共同點是使用機(jī)器學(xué)習(xí)工作本質(zhì)上所建立的一些底層結(jié)構(gòu)。

專家經(jīng)常提出自然語言處理的想法，其中詞性被標(biāo)記以表示文本結(jié)構(gòu)的元素 - 其他示例包括光學(xué)字符識別，其中機(jī)器學(xué)習(xí)程序通過解析給定輸入或復(fù)雜圖像的片段來識別手寫單詞處理，計算機(jī)學(xué)習(xí)根據(jù)分段輸入識別對象，例如使用由許多“層”組成的卷積神經(jīng)網(wǎng)絡(luò)。

專家可能會談?wù)摼€性多類分類、線性兼容性函數(shù)和其他用于生成結(jié)構(gòu)化預(yù)測的基礎(chǔ)技術(shù)。從一般意義上講，結(jié)構(gòu)化預(yù)測建立在與更廣泛的監(jiān)督機(jī)器學(xué)習(xí)領(lǐng)域不同的模型上 - 回到自然語言處理和標(biāo)記音素或單詞中的結(jié)構(gòu)化預(yù)測的示例，我們看到標(biāo)簽的使用監(jiān)督機(jī)器學(xué)習(xí)面向結(jié)構(gòu)模型本身——提供的有意義的文本，可能是在測試集和訓(xùn)練集中。

然后，當(dāng)機(jī)器學(xué)習(xí)程序開始工作時，它就建立在結(jié)構(gòu)模型的基礎(chǔ)上。專家表示，這在一定程度上解釋了該程序如何理解如何使用動詞、副詞、形容詞和名詞等詞性，而不是將它們誤認(rèn)為是其他詞性，或者無法區(qū)分它們在全球背景下的工作方式。（閱讀您的數(shù)據(jù)的結(jié)構(gòu)化程度如何？檢查結(jié)構(gòu)化、非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)。）

隨著各種類型的機(jī)器學(xué)習(xí)和人工智能的發(fā)展，結(jié)構(gòu)化預(yù)測領(lǐng)域仍然是機(jī)器學(xué)習(xí)的關(guān)鍵部分。

    上一篇我們送上的文章是 大數(shù)據(jù)中的數(shù)據(jù)會不會太多？ ， _!在下一篇繼續(xù)做詳細(xì)介紹，如需了解更多，請持續(xù)關(guān)注。
本文由日本NEC鋰電池中國營銷中心于2023-07-16 17:40:35 整理發(fā)布。
轉(zhuǎn)載請注明出處.