机器学习概念正渐渐加深理解,因为我们日复一日地与机器互动从Netflix和Amazon建议到Siri和Cortana语音识别到Google地图旅行计算,我们都越来越熟悉机器学习技术-即使我们还不完全意识到它
应用机器学习行业则不同多家公司都这样做,但并不像上文提到的面向消费者应用那样无所不在。Kathy Appleba论文中解释了机器学习的主要分支、应用的不同类型算法以及-最重要的是-工业用户可采取哪些步骤开始在其设施内使用机器学习
Applebaum表示预测维护是技术的主要应用, 紧随其后的是质量控制、需求预测和机器人训练
mclusky指出导电自动化软件现在可在此应用5月发布Ignition 7.9.8后,Ignition库中现在含有机器学习算法,覆盖各种使用案例,他说
机器学习类型
Applebaum表示必须首先理解三大技术类型被引用为机器学习-不缺三者重叠的论据三大类型为:
- Applebaum表示分析知识发现可能你已经在做描述解析(即运行数据库报表)诊断解析法添加描述解析法中“为什么”分解问题原因(例如机器为何分解?预测解析未来会发生什么, 通常并不非常具体, 而是基于前所未有指令解析基础预测解析建议下一步解决问题
- 机器学习本身指自动使用数据学习经验并改进经验
- Applebaum表示人工智能包含模拟人类智能计算任务
算法
mclusky用显示Ignition机学习应用可如何组合各种数据点面向此演示使用单片制作过程的质量数据测量法(如温度和湿度)。McClusky通过点火图显示这些数据显示用户如何从二维空间多方面查看数据点名分类传感器从飞上获取数据供图形比较使用,这样你就能看到每组相比法
机器学习算法 由McClusky使用K表示不知道类别表示什么,它通过判断数据点在哪里和相距多远计算中心K值数据分类缺陷分析举例说,当新部件遍历[编程]时,你可使用它的数据检验它是否符合既定的`良好质量'参数以确定部件是否遍历或需要进一步分析
另一种机器学习算法类型被称为决策树Applebaum表示,算法非常强,因为它能引导你逐步确定数据类别或公式决策树对预测维护有用,因为你可以使用树观察决策方式外加,你可以使用它 并用其他算法
回归分析是一种机器学习算法,可用于进程调优和制作预测使用回归分析可人工生成推荐定点[人工应用]或定点直通PLC连高级进程控件都可用 持续调试
他补充道,回归分析可用于基于当前变量集(即数据点)的生产预测,以确定单行或全端转换后将产生什么等依据所有变量过去经验的更低术语预测也可以实现,例如:从现在开始制作如何看一周或一个月?甚至从SAP等其他系统输入变量机学应用回归分析越多变量使用越好结果-提供数据从开始自然良好
神经网络算法模拟我们思考脑工作的方式 Applebaum说神经网络在行业常用的一种方式是视觉系统神经网络可查看线或过程中的具体项目并使用现有传感器推导数据[从这些区 简化过程
指视觉系统机学习应用使用Frito-LayIgnitionMcLusky表示公司应用它到线段中标定称马铃薯Frito-Lay想使用视觉系统判定线上马铃薯密度,这样厨艺时间可按批量相应调整让他们消除倾销部分土豆称重
不论你计划使用哪种机器学习程序或应用哪种算法,你都从头开始需要良好的数据,这意味着你需要策略查找并处理正确数据以便保证数据质量McClusky表示:「用统计样本数据显示它是否良好。”需要全宇宙知识 才能有好结果你不能单靠历史数据求取采样技巧和关联性考虑一下结果有多好域知识过程知识在这里很重要领域专家-非数据科学家-知道哪类数据有希望,结果何时不合理。”
实现
深入理解机器学习类型和支持机器算法,下一步是开始思考应用Applebaum概括了机器学习成功五步:识别问题解决、收集资料、创建模型、部署模型并监控成功
问题识别 Applebaum表示 选题最好例举, 您想改进特定进程, 减少缺陷等吗?边做边小心高值对易决策,她提醒快速实现优先, 因为高值项目可能很难启动,
Applebaum强调, 即使在简易机器学习项目中, 仍有必要确保获取某些值, 而不是仅仅为了展示技术而存在的项目。理解成本函数-预测和实际结果之差
领域知识在机器学习应用中大举作用的另一个领域是选择项目实用数据、获取缺失数据、确保高质量数据输入和识别依存变量(即:相联数据点,如温度和时空)
McClusky补充道,当实施机器学习项目时,一定要使用提取变换负载获取数据,而不是生产数据库本身自动化数据采集过程[使用ETL],数据获取、清理并自动处理缺值
开始视觉化数据帮助理解它, 所以你可以看到你想要应用哪类算法 Applebaum建议 加进“别害怕多试一个'算法''亚马逊WebService、微软Azure和Google云提供其他工具深入分析
Applebaum指出,可别那么做确定模型预测前所未见回去重新测试 以获取实用模型最好在这里花点时间纠正问题比晚修问题好。”
