Wolfram機械学習WOLFRAM言語の
コアとなる部分
機械学習とニューラルネットワーク
生産グレードの従来の機械学習から最新の人工知能まで，統計解析，可視化，画像処理等と緊密に統合されているため，インテリジェントなシステムが構築できます．
分類
テキスト，画像，配列，音声，動画等の任意のデータを一定数のカテゴリに分類するために，事前に訓練された分類器をすぐに使うこともできれば，分類器を自作することもできます．例として植物の葉，鳥の鳴き声，人間の動作等の識別が挙げられます．利用可能な手法には，ロジスティック回帰，ランダムフォレスト，サポートベクターマシン，ニューラルネットワーク等があります．
回帰
価格を予測したり，治療効果や農作物の生産高の予想したりしたい場合，回帰分析を使うことで，数，配列，画像，テキストを含む変数集合から値を予測することができます．あらゆるデータタイプから強力に特徴を抽出する機能を使い，後は自動で最適なモデルとパラメータを選んだり，完全にカスタマイズしたりすることができます．
クラスタ解析
事前の知識がなくても，教師なし分類を使って，さまざまなオブジェクトを類似性でグループ分けできます．クラスタリングは顧客のタイプ，動物の分類法を含む多様なグループの分類に使うことができます．k平均法，スペクトルクラスタリング，階層的クラスタリング等いろいろな手法がサポートされています．
次元削減
任意のデータを低次元空間で表して，複数の特徴（非数値のものを含む）を持つ複雑なデータセットを可視化し，データ圧縮，さらには教師なし特徴選択を実行します．主成分分析，等尺性マッピング，t-SNE，UMAP等のさまざまな手法により，線形・非線形の両方の構造をモデリングすることができます．
異常検知
極値，新しい値，異常な値を検知します．データ集合の異常に直接フラグを付けたり，再利用可能な異常検出器を構築したり，任意のタイプのデータから作られた分布から開始したりします．これを応用したものとして，故障検出，性能監視，品質評価，新規性検出等があります．
欠損値の補完
合成データ生成を使ってデータ集合の欠損値を補完します．装置の不備，ファイルの破損，あるいは不完全なデータ入力による欠損データは，モデルの訓練において大きなバイアスを招き入れることや，訓練を不可能にしてしまうことさえあります．自動的に欠損値を補完することも，指定された分布を使って補完することもできます．
ニューラルネットワーク
この熱帯雨林は健全か？ このMRIスキャンに腫瘍が見られるか？ フランス語で「ネコ」は何と言うか？ 簡単で柔軟なフレームワークのニューラルネットワークを使うと，これまで難しいとされてきたこのような質問の答えが得られます．訓練済みモデルをインポートしたり，モデルを再訓練して新しい問題に合わせたり，一からネットワークを訓練したりすることができます．
自然言語処理
質問の答をテキストの中で見付けたり，指定された概念が言及されている部分を識別したり，文の文法構造を分析したりすることができます．自然言語処理は，データマイニング，市場調査，カスタマーサポート等の分野に欠かせない要素です．
コンピュータビジョン
機械学習およびニューラルネットワークのモデルを使って，画像の中のオブジェクト，テキスト，顔等を効率よく正確に見付けて識別したり，高度な分割，スタイル付け等を実行したりします．このソリューションは，運転者補助システムをはじめ，自動品質管理，警備，医療等の分野のいたるところで使われます．
音声計算
音声信号を解析し処理して，有声の間隔の検出，音声認識の実行，話者の特定の他，話者の音の高さ変更さえ行います．機械学習と音声処理，統計解析，可視化を一緒に使うことで，簡単で非常に効率的な音声計算が可能になります．
機械学習に関するWolframドキュメント
Wolfram 機械学習は，Wolfram言語に統合されています．全システムに計算の全分野を網羅する6,000個を超える組込み関数が含まれており，そのすべてが綿密に統合されているため，完全に一体となって作動します．
全領域とドキュメント
機械学習の分野でWolfram製品を使い始める
Wolfram|OneまたはMathematicaからWolfram言語にアクセスする
