機器學習

從學習 ABCs 到博士學位，Wolfram 語言是您的機器學習工具。

分類器

内建分類器

不需要是專家才能將機器學習應用在計劃專案中：Wolfram 語言有預訓練、即用型的 分類器 函數，讓您可以輕鬆地執行有用且有趣的任務。

In[•]:=
Out[•]=

Wolfram 語言包括廣泛的預訓練分類器，可應用於文字、圖像等。

瀏覽預訓練分類器的完整列表

建立自定義分類器

使用 分類 函數可以節省許多時間。 分類 可以從一小組範例中學習分類任務，然後自動找出對資料進行分類的最佳方法。

例如您需要標記 1,000 張是否有人物的假期照片——若以人工的方式，將是非常的耗時。如果您先標記了20 張照片， 分類 就可以學習辨別是否有人像的照片，並在一秒鐘内完成分類其他的照片：

In[•]:=
Out[•]=

讓我們從未看過的新圖像測試新創建的 分類器函數：

In[•]:=
Out[•]=

神經網路

預建神經網路

對於許多常見的工作項目，您會發現已經存在 Wolfram 的神經網路儲存庫中，可以馬上免費使用。作為一個精簡的視覺範例，本例調用 CycleGAN 網路將圖案的式樣重新表現為梵古風格：

In[•]:=
Out[•]=
In[•]:=
Out[•]=
In[•]:=
Out[•]=
In[•]:=
Out[•]=

點擊此處瀏覽 Wolfram 神經網路儲存庫中 100 多個可供使用的神經網路完整列表

自定義神經網路

藉由 NetTrain and NetChain 等高階結構，Wolfram 語言擁有強大的工具可以快速構建原型或複雜的神經網路。

構建一個明確計算損失的網路：

In[•]:=
Out[•]=

初始化網路並在輸入上進行運算：

In[•]:=

In[•]:=
Out[•]=

本例中的 NetTrain 用來訓練神經網路。進度窗口可以即時查看訓練結果。

人工構建一個網路並使用隨機參數進行初始化：

In[•]:=
Out[•]=

在一組值上進行運算：

In[•]:=
Out[•]=
In[•]:=

訓練網路幾次並實況檢查如何擬合模型：

In[•]:=

網路結果現在接近符號計算：

In[•]:=
Out[•]=
In[•]:=
Out[•]=

開始使用

學習資源

學習路徑

先試後學

想試試嗎？在專注嘗試於機器學習的實際代碼範例的同時，感覺一下 Wolfram 語言的功能。

馬上試用! 試用免費 Wolfram 雲端 帳戶
免費取得 Wolfram 語言認證

課程設計讓您輕鬆學習 Wolfram 語言。試試免費互動課程並獲得認證。

現在開始網路互動課程! 大約七小時完成
馬上試用! 試用免費 Wolfram 雲端 帳戶
現在開始網路互動課程! 大約七小時完成

進一步使用機器學習

想要繼續探索機器學習？

如果想了解更多 Wolfram 提供的機器學習内容，請參閲 Wolfram 的機器學習網頁。重要内容有：

  • 完整綜觀
  • 文件與專門函數
  • 預訓練神經網路
  • 可下載的範例
  • 網路課程與更多資源
更多資訊

建議產品