关于机器学习的三大类型分析

人工智能

617人已加入

描述

为了把机器学习技术应用于工业,须先了解机器学习分成哪里些种类,有哪里些不同的算法,以及实际应用时有什么值得注意的地方。

据报导,机器学习算法逐渐潜入我们日常生活,但是工业应用却面临不少瓶颈,不如消费应用那么普及,Inductive Automation的Kathy Applebaum指出,综观目前工业采用机器学习技术的情况,以预测性维护(PM)为大宗,其次是品管、需求预测和机器人训练。

机器学习主要分成三大类型。首先是资料分析,Applebaum指出,诊断性分析(diagnostic analysis)是为了找出问题的原因,预测性分析(predictive analysis)则根据过去的资料预测未来,建议性分析以预测性分析为基础,建议该如何解决问题。

至于算法的种类,第一种是分群算法(k-means),Inductive Automation的Kevin McClusky指出,分群算法不清楚各个类别所代表的意义,只会计算每一个点到已设定的群集中心的最短距离,进而决定下一个群集中心,很适合进行资料分类,完成缺陷分析。

第二种算法称为决策树,Applebaum认为很适合预测性维护,也可以跟其它算法搭配使用。

第三种算法称为回归分析,McClusky认为适合调整工作流程和预测产量,例如依照目前的变量来预测产量。至于神经网络算法,则是模拟人脑的运行方式,工业最常见的应用是在视觉系统。

无论何种机器学习应用,都需要先收集优质的资料,首要之务便是找到适合的资料并加以处理,进而确保资料质量。McClusky也建议企业执行机器学习计画时,务必采用撷取、转换和载物(ETL)来取得资料,把资料收集流程自动化。Applebaum则建议勇于多尝试不同的算法,各家供应商皆有提供分群、神经网络、回归等各式各样的算法。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分