Wolfram기계 학습WOLFRAM 언어
의 핵심 부분

기계 학습 및 신경망.

기계 학습 기능은 초보자가 사용할 수 있도록 고도로 자동화되고 동시에 전문가가 완전히 사용자 정의할 수 있도록 되어 있습니다. 통계 분석, 시각화, 화상 처리 등과 긴밀히 통합되어 있어, 어떠한 데이터 타입이라도 지능적인 시스템을 구축할 수 있습니다.

사용 시작하기

분류

텍스트, 이미지, 배열, 음성, 동영상 등의 임의의 데이터를 일정수의 카테고리로 분류하기 위해 사전에 훈련된 분류기를 바로 사용할 수도 있으며, 분류기를 직접 만들 수도 있습니다. 예를 들면 식물의 잎, 새소리, 인간의 동작 등의 식별을 들 수 있다. 사용 가능한 기술로는 로지스틱 회귀, 랜덤 포리스트, 지원 벡터 머신, 신경망 등이 있습니다.

회귀

가격을 예측하거나 치료 효과나 농작물의 생산량을 예상하기 위해서는, 회귀 분석을 사용하여 수, 배열, 이미지, 텍스트를 포함한 변수 집합에서 값을 예측할 수 있습니다. 모든 데이터 유형에서 강력하게 특징을 추출하는 기능을 사용하고 나중에 자동으로 최적의 모델과 파라미터를 선택하거나 완전히 사용자 정의할 수 있습니다.

클러스터 분석

사전 지식이 없더라도 감독되지 않은 분류를 사용하여 다양한 개체를 유사성으로 그룹화할 수 있습니다. 클러스터링은 고객의 유형, 동물 분류 방법을 포함한 다양한 그룹 분류에 사용할 수 있습니다. k 평균법, 스펙트럼 클러스터링, 계층적 클러스터링 등 다양한 방법이 지원됩니다.

클러스터 분석에 대한 가이드

차원 감소

임의의 데이터를 저차원 공간으로 나타내고, 복수의 특징(비수치인 것 포함)을 가지는 복잡한 데이터 세트를 시각화하고, 데이터 압축, 나아가 감독 없이 특징 선택을 실행합니다. 주성분 분석, 등척성 매핑, T-SNE, UMAP 등의 다양한 기법을 통해 선형 및 비선형 구조를 모델링할 수 있습니다.

DimensionReduce 함수

이상 감지

극값, 새로운 값, 비정상적인 값을 감지합니다. 데이터 세트의 비정상에 직접 플래그를 지정하거나 재사용 가능한 비정상 검출기를 구축하거나 임의의 타입의 데이터로부터 만들어진 분포에서 시작합니다. 이것을 응용한 것으로는, 고장 검출, 성능 감시, 품질 평가, 신규성 검출 등이 있습니다.

AnomalyDetection 함수

누락값의 보완

합성 데이터 생성을 사용하여 데이터 집합의 누락값을 보완합니다. 장비 결함, 파일 손상 또는 불완전한 데이터 입력에 인한 누락된 데이터는 모델 훈련에 큰 편차을 초래하거나 훈련을 불가능하게 할 수도 있습니다. 자동으로 누락값을 보완하거나 지정된 분포를 사용하여 보완할 수도 있습니다.

SynthesizeMissingValues 함수

신경망

이 열대 우림은 건강합니까? 이 MRI 스캔에서 종양을 볼 수 있습니까? 프랑스어로 "고양이"는 무엇일까요? 간단하고 유연한 프레임워크의 신경망을 사용하면 지금까지 어렵게 여겨온 이러한 질문에 대한 대답을 얻을 수 있습니다. 훈련된 모델을 가져오고, 모델을 재훈련하여 새로운 문제에 맞추거나, 처음부터 네트워크를 훈련시킬 수 있습니다.

자연어 처리

질문의 대답을 텍스트 안에서 찾아내고, 지정된 개념이 언급되어 있는 부분을 식별하거나, 문장의 문법 구조를 분석할 수 있습니다. 자연어 처리는 데이터 마이닝, 시장 조사, 고객 지원 등의 분야에 필수적인 요소입니다.

컴퓨터 비전

기계 학습 및 신경망 모델을 사용하여 이미지의 객체, 텍스트, 얼굴 등을 효율적으로 정확하게 찾아 식별하고, 고급 분할, 스타일링 등을 수행합니다. 이 솔루션은 운전자 보조 시스템을 비롯하여 자동 품질 관리, 경비, 의료 등의 분야의 모든 곳에서 사용됩니다.

음성 계산

음성 신호를 분석하고 처리하여 유성음 간격 검출, 음성 인식 실행, 화자의 특정 외, 화자의 소리의 높이 변경까지 실시합니다. 기계 학습과 음성 처리, 통계 해석, 시각화를 함께 사용하면 간단하고 매우 효율적인 음성 계산이 가능합니다.

음성 계산에 대한 가이드

Live Playground

This is an interactive notebook—try making your own changes!

Continue exploring more examples:Things to Try

기계 학습에 대한 Wolfram 문서

Wolfram 기계 학습은 Wolfram 언어의 통합된 부분입니다. 전체 시스템은 면밀히 통합되어 완벽하게 함께 작동하는 모든 계산 — 영역을 커버하는 6,000개 이상의 내장 함수가 포함되어 있습니다.

Wolfram 언어
전체 영역 및 문서

LogitModelFit ▪ ProbitModelFit ▪ LinearModelFit ▪ GeneralizedLinearModelFit ▪ NonlinearModelFit ▪ FittedModel ▪ Normal ▪ NominalVariables ▪ LinkFunction ▪ LinearOffsetFunction ▪ ConfidenceLevel ▪ VarianceEstimatorFunction ▪ DispersionEstimatorFunction ▪ DesignMatrix ▪ FindFormula ▪ FindDistribution ▪ ClusteringComponents ▪ ClusterClassify ▪ ClusteringMeasurements ▪ MeanShift ▪ NearestNeighborGraph ▪ Dendrogram ▪ ClusteringTree ▪ FindGraphCommunities ▪ CommunityGraphPlot ▪ ConnectedComponents ▪ FindGraphPartition ▪ FindClique ▪ FindKClique ▪ ImageForestingComponents ▪ WatershedComponents ▪ GrowCutComponents ▪ DistanceFunction ▪ ClusterDissimilarityFunction ▪ Weights ▪ PerformanceGoal ▪ CriterionFunction ▪ Method ▪ NetChain ▪ NetMeasurements ▪ NetPort ▪ NetPortGradient ▪ NetStateObject ▪ NetTrainResultsObject ▪ ThreadingLayer ▪ AggregationLayer ▪ SoftmaxLayer ▪ NetReplacePart ▪ NetInitialize ▪ NetTake ▪ NetAppend ▪ NetReplace ▪ NetFlatten ▪ NetEncoder ▪ NetDecoder ▪ LLMResourceFunction ▪ Predict ▪ Classify ▪ ActivePrediction ▪ SequencePredict ▪ Nearest ▪ FindFit ▪ FindClusters ▪ FeatureExtraction ▪ FeatureSpacePlot ▪ FeatureImpactPlot ▪ AnomalyDetection ▪ DimensionReduction ▪ MissingValueSynthesis ▪ LLMFunction ▪ LLMSynthesize ▪ ImageSynthesize ▪ ChatObject ▪ LLMPrompt ▪ LLMTool ▪ LLMConfiguration ▪ NetModel ▪ NetTrain ▪ NetGraph ▪ LinearLayer ▪ ConvolutionLayer ▪ AttentionLayer ▪ ImageIdentify ▪ ImageCases ▪ FindFaces ▪ TextRecognize ▪ ImageGraphics ▪ TextSummarize ▪ LanguageIdentify ▪ TextStructure ▪ TextCases ▪ SpeechRecognize ▪ AudioIdentify ▪ SpeechCases ▪ SpeakerMatchQ ▪ PitchRecognize ▪