数据驱动的应用程序无处不在(市场分析、农业、医疗保健、运输网络等),机器学习算法的开发旨在分析模式并利用实际测量中的相关性,以便将数据转化为应用程序。 Wolfram语言提供了完全自动化和高度可定制的机器学习功能,以执行分类、回归、聚类和许多其他操作。经典方法由强大的符号化深度学习框架和专门的管道来补充,用于处理图像、视频、文本和音频等多种数据类型。
预测 —根据数据预测值
分类 —将数据分类
主动预测 ▪ 序列预测 ▪ 最近的 ▪ 查找适合度 ▪ ...
查找群集 —将数据划分为集群
特征提取 —了解如何从数据中提取特征
功能空间图 —在降维特征空间中可视化数据
特征ImpactPlot —可视化输入特征对模型结果的影响
异常检测 ▪ 尺寸缩减 ▪ Missing Value合成 ▪ ...
LLM功能 —表示大型语言模型提示的模板
LLM综合 —按照说明生成文本
图像合成 —从文本提示生成图像
Chat对象 ▪ LLM提示 ▪ LLM工具 ▪ LLM配置 ▪ ...
网络模型 —受过训练和未受过训练的模型集合
NetTrain公司 —在CPU、GPU等上训练任何神经网络。
NetGraph(网络图形) ▪ 线性图层 ▪ 卷积层 ▪ 注意层 ▪ ...
图像标识 —识别图像中的对象
图像案例 ▪ 查找面 ▪ 文本识别 ▪ 图像图形 ▪ ...
文本摘要 —自动生成不同类型的摘要
语言识别 ▪ 文本结构 ▪ 文本案例 ▪ ...
语音识别 —语音到文本
音频识别 ▪ 演讲案例 ▪ 扬声器匹配Q ▪ PitchRecognize(俯仰识别)