机器学习

机器学习最基本的做法：
1、是使用算法来解析数据
2、从中学习
3、对真实世界中的事件做出决策和预测。


机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。


机器学习有三类：
第一类是无监督学习
指的是从信息出发自动寻找规律，并将其分成各种类别，有时也称"聚类问题"。


第二类是监督学习
监督学习指的是给历史一个标签，运用模型预测结果。如有一个水果，我们根据水果的形状和颜色去判断到底是香蕉还是苹果，这就是一个监督学习的例子。


最后一类为强化学习
是指可以用来支持人们去做决策和规划的一个学习方式，它是对人的一些动作、行为产生奖励的回馈机制，通过这个回馈机制促进学习，这与人类的学习相似，所以强化学习是目前研究的重要方向之一。


机器学习同深度学习之间是有区别的，机器学习是指计算机的算法能够像人一样，从数据中找到信息，从而学习一些规律。虽然深度学习是机器学习的一种，但深度学习是利用深度的神经网络，将模型处理得更为复杂，从而使模型对数据的理解更加深入。


机器学习一般是有大数据的基础。通过机器学习，可以从大数据中获得新的知识。一般流程是：


机器学习变量和状态辨识(feature identification)
找到影响效率的关键变量或特征，


+物理过程模拟(physical process simulation)
构建状态变化的机理模型，得到输入量与效率在高维空间的精确关系；
农业模拟模型是离散的，基于Agent的关系模型；
工业环境的能耗需要流体模型，是连续的，核心是物理过程模拟，需要有一个流体力学的3D模型，作为引擎


+预测（predictive modeling）
对模型输出与预测量的调节与校准。





<hr>




双青树是一家专注于精准定位技术和提供实时位置数据服务的平台供应商，其类GPS的定位解决方案具有时延小、容量大的特点。公司的精准定位解决方案正在赋能仓储、制造以及矿山等产业数字化升级，随着UWB芯片进入消费类终端，将进一步为手机、汽车等市场提供精准定位服务。
官方网站：双青树-高精度定位技术服务平台供应商