Activation et désactivation de l'apprentissage automatique

　　En parlant de la direction la plus chaude dans le domaine informatique maintenant, c'est l'apprentissage automatique.J'ai bien peur que chaque informaticien veuille apprendre ou même maîtriser cette technique théorique.
　　Pour moi, je n'en sais rien, je ne sais pas par où commencer, je ne peux être considéré que comme un débutant senior. Depuis la première exposition aux concepts d'apprentissage automatique pendant les études supérieures, cela fait maintenant cinq ou six ans. J'ai appris certaines connaissances connexes par intermittence. Permettez-moi de passer en revue et de rappeler les connaissances connexes que j'ai apprises auparavant et de faire un résumé.
　　L'orientation de la recherche au cours du troisième cycle est la sélection des antennes, en termes simples, il s'agit de choisir des antennes performantes. Dans le processus de consultation des données, j'ai trouvé que même si elle ne se limite pas à la direction de recherche de la sélection de l'antenne, la "sélection" elle-même est très digne d'étude, donc je connais le premier nom lié à l'apprentissage automatique [sélection de fonctionnalités]: la sélection de fonctionnalités se réfère à La sélection de N fonctionnalités parmi les fonctionnalités M existantes pour optimiser les indicateurs spécifiques du système est le processus de sélection de certaines des fonctionnalités les plus efficaces parmi les fonctionnalités d'origine pour réduire la dimensionnalité de l'ensemble de données. C'est un moyen important d'améliorer les performances de l'algorithme d'apprentissage. L'étape de prétraitement des données clés dans la reconnaissance des formes. ---- D'après Baidu Encyclopedia, pour moi à l'époque, la sélection d'antenne correspond très bien à ce concept. La réduction de la dimension de l'ensemble de données correspond à la sélection, et la caractéristique la plus efficace correspond à de bonnes performances. Bien sûr, après la sélection, certains indicateurs du système doivent être optimisés , Comme la capacité maximale du canal ou l'efficacité énergétique minimale.
J'ai ensuite trouvé des algorithmes liés à la réduction de dimensionnalité Le deuxième terme [Analyse en Composantes Principales]: L'analyse en Composantes Principales est une méthode statistique. Grâce à la transformation orthogonale, un ensemble de variables pouvant avoir des corrélations est converti en un ensemble de variables linéairement non corrélées. L'ensemble de variables converties est appelé la composante principale. ---- De Baidu Encyclopedia, parce qu'un nouvel ensemble de variables est régénéré, et pour ma sélection d'antenne de direction de recherche, il est impossible de régénérer un nouvel ensemble d'antennes, donc je n'ai pas continué à aller plus loin.
La sélection des antennes regroupe en fait des antennes. Un groupe a de bonnes performances et un groupe a de mauvaises performances. Choisissez-en un avec de bonnes performances. Selon cette idée, un troisième nom [clustering] a été trouvé: le processus de division d'une collection d'objets physiques ou abstraits en plusieurs classes composées d'objets similaires est appelé clustering. ---- De l'Encyclopédie Baidu. Il existe de nombreux types d'algorithmes de clustering. J'ai choisi l'algorithme K-MEANS à ce moment-là, et je l'ai également simulé dans matlab. Je ne sais pas si je l'ai ouvert de la mauvaise manière, ou si l'algorithme lui-même ne convient pas, et l'effet n'est pas idéal. .
　　Bien que l'examen de ceux-ci n'ait pas produit de résultats directs pour mon article, mais pendant le processus d'examen, j'ai compris les idées et divers algorithmes, et j'ai également appris que certaines opérations matricielles sont utiles pour réduire la dimension des données, telles que la décomposition SVD, la décomposition LU, qui Les deux articles sont toujours utiles.
　　Pendant cette période, j'ai également appris le cours en ligne "Jouer des données avec Python" sur coursera. Le contenu est l'analyse et la visualisation de données. Il a été enseigné par un professeur de l'Université de Nanjing. Je me souviens vaguement que le professeur est très drôle et une enseignante avec un surnom. Quand j'étudiais, j'ai également suivi le code pour tester, et j'ai oublié de le nettoyer plus tard.
　　Après avoir travaillé, j'ai acheté deux livres sur l'apprentissage automatique, un célèbre livre sur la pastèque, lire une partie, plus vous voyez de formules mathématiques, moins de motivation pour lire. L'un est un guide de pratique d'apprentissage automatique Python, le nom est très bon, mais le livre contient des exemples de finances étrangères et est très ancien, donc j'ai lu une idée approximative.
　　Le compte rendu est terminé et le contenu provient principalement des documents et des pages Web qui ont été consultés lors de la préparation de la thèse. Bien qu'il n'y en ait pas beaucoup, le processus de rédaction rappelle encore beaucoup de choses. J'espère que cela sera utile pour la suite de l'étude.