38、5G 物联网中的机器学习、数据挖掘与大数据分析

5G 物联网中的机器学习、数据挖掘与大数据分析

1 机器学习概念

机器学习是人工智能领域的一个子类别，主要聚焦于检测和识别数据中的模式与排列，以实现训练、思考、决策、学习和研究等功能，且无需人工协同干预。用户可借助计算机算法对大量数据进行检测、分析，并基于这些数据给出建议。若某些特征需要改进，系统会识别并融入改进方案，以便未来进行更优设计。

机器学习运用计算算法完成决策的核心工作，变量、特征和创新也在决策中发挥作用。为使嵌入式系统更好地学习，需对答案有核心认知，从而让系统具备学习能力。实际上，系统会给机器输入已知结果的数据，算法运行并不断调整，直至输出与预期结果匹配。不断增加数据输入量，可提升系统做出更优决策的能力。在商业世界中，数据至关重要，基于数据做出的决策在快速发展的社会中起着关键作用。机器学习可视为数据解读和制定决策以提供更好服务的关键。

2 机器学习类型

机器学习主要分为以下三大类别：
1. 监督式机器学习 ：能利用收集的数据或从先前的机器学习进程中生成有用输出。它还能进行有管理的训练，使程序具备类似人类的智能。在监督式学习任务中，需为程序或机器提供大量输入以获得理想结果。
2. 无监督式机器学习 ：有助于发现数据中的各种隐藏模式。在此模式下，算法仅依靠无标签样本尝试获取数据的关键方法，主要工作是对数据进行组合和降维。组合过程即聚类，它将数据意图分类到有意义的组中，使同一组内的组件相似，而与其他组的组件不同。聚类对企业的市场细分有益。降维模式通过合并相似或相关属性来减少数据集中的变量数量，以便更好地理解数据。
3. 强化机器