机器学习

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。

学习方法»

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    ...

无监督机器学习»

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»

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    ...

神经网络»

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    ...

计算机视觉»

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    ...

自然语言处理»

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    ...

语音计算»

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)