机器学习

从ABC到博士，Wolfram语言是机器学习的工具。

分类器

内置分类器

在项目中使用机器学习不一定非得是专家：Wolfram语言已经过预先培训，可以随时使用分类器函数，以便您可以轻松执行有用且有趣的任务。

在[•]中：=
输出[•]=

Wolfram语言包括广泛的预训练分类器，可应用于文本、图像等。

查看预训练分类器的完整列表

构建自定义分类器

使用函数分类可以节省你很多时间。分类可以从一小组示例中学习分类任务，然后自动找出对数据进行分类的最佳方法。

例如，假设你需要为1000张度假照片贴上标签，标明照片中是否有人，如果是手工完成的话，这是一项耗时的任务。如果你只标记了20张照片，分类可以学习自动区分有人和无人的照片，并在不到一秒钟的时间内拍摄其他照片：

在[•]中：=
输出[•]=

让我们测试一下我们的新产品分类器函数我们根据以前从未见过的新图像创建：

在[•]中：=
输出[•]=

神经网络

预建神经网络

对于许多常见任务，您会发现Wolfram神经网络存储库正好包含您试图实现的神经网络，免费并可在项目中立即使用。作为一个简洁的视觉示例，这里CycleGAN公司网络被要求将图像重新设计成梵高风格：

在[•]中：=
输出[•]=
在[•]中：=
输出[•]=
在[•]中：=
输出[•]=
在[•]中：=
输出[•]=

单击此处查看Wolfram neural Net Repository提供的100多种神经网络的完整列表

自定义神经网络

使用高级结构，如NetTrain公司和网络链Wolfram语言有强大的工具可以快速构建原型或复杂的神经网络。

构建一个明确计算损失的网络：

在[•]中：=
输出[•]=

初始化网络并在输入上对其进行评估：

在[•]中：=

在[•]中：=
输出[•]=

在这个例子中，NetTrain公司用于训练神经网络。进度窗口允许您实时查看培训结果。

手动构建网络并使用随机参数对其进行初始化：

在[•]中：=
输出[•]=

根据一组值进行评估：

在[•]中：=
输出[•]=
在[•]中：=

对网络进行几轮训练，实时检查其如何适合模型：

在[•]中：=

最终结果现在接近符号计算：

在[•]中：=
输出[•]=
在[•]中：=
输出[•]=

快速入门

学习资源

学习路径

现在试试，以后再学

想试试吗？在尝试专注于机器学习的真实代码示例时，了解Wolfram语言是什么样子的。

立即尝试这些！ 免费访问Wolfram云解释
免费获得Wolfram语言认证

我们已经让您轻松学习Wolfram语言。尝试我们的免费互动课程并获得认证。

立即开始交互式在线课程！ 约7小时完成
立即尝试这些！ 免费访问Wolfram云解释
立即开始交互式在线课程！ 约7小时完成

继续机器学习

想继续探索机器学习吗？

如果您想了解Wolfram为机器学习提供的更多内容，请访问Wolfram机器学习页面。你会发现：

  • 完整概述
  • 文件和专门功能
  • 预先训练的神经网络
  • 可下载示例
  • 在线课程和其他资源
了解更多信息

推荐的产品