60、探索机器学习在增材制造及汽车发动机预后中的应用

探索机器学习在增材制造及汽车发动机预后中的应用

1. 机器学习学习方法概述

机器学习中有监督学习和无监督学习两种基本方法。
- 监督学习 ：学习模型在标记数据上进行训练，并根据学到的特征预测输出。将结构化数据输入到机器学习模型中，机器能够识别样本和提取特征之间的模式，可用于解决线性和非线性问题。在医疗保健领域，有作者通过监督学习实施了新方法，利用心电图传感器、SpO₂传感器等电子设备收集患者数据，评估和评分后检查心脏病患者。该技术的优点是降低了数据复杂性，且与其他技术相比功耗更低。
- 无监督学习 ：如名称所示，这种学习不需要人工干预，模型使用非结构化数据样本进行训练。机器借助程序处理大型数据集以进行决策。它比监督学习更复杂，需要更大的数据集，但用途广泛，应用场景更多。人类可通过半监督学习为无监督学习提供未标记（非结构化）数据。
- 强化学习 ：模型使用奖励和惩罚的概念。当模型预测正确结果时，会给自己奖励，否则会受到惩罚。在学习阶段开始时，强化学习中的最优解决方案对系统来说是未知的，因此必须迭代确定。在这个过程中，明智的方法会得到奖励，而错误会受到惩罚，系统能够考虑复杂的环境变量并做出相应反应，从而通过奖励和惩罚机制形成自己的解决方案。