目的和益處
機器學(xué)習(xí)是計算機算法的一個研究領(lǐng)域,可以使用數(shù)據(jù)構(gòu)建算法,無需明確推導(dǎo)數(shù)學(xué)模型。
有四種不同類型的機器學(xué)習(xí)方法被廣泛使用:
- 監(jiān)督式學(xué)習(xí)
- 無監(jiān)督式學(xué)習(xí)
- 半監(jiān)督式學(xué)習(xí)
- 強化學(xué)習(xí)
監(jiān)督式學(xué)習(xí)將已被標記為相關(guān)的真實信息的訓(xùn)練數(shù)據(jù)用于機器學(xué)習(xí)算法。例如,可以從系在測試對象手腕上的數(shù)據(jù)收集設(shè)備采集加速度計數(shù)據(jù),這些信息可以被標記為不同的活動,如靜止、步行、跑步、游泳或騎自行車。無監(jiān)督式機器學(xué)習(xí)算法不需要標記數(shù)據(jù),可以通過在數(shù)據(jù)中確定模式來創(chuàng)建模型。半監(jiān)督式學(xué)習(xí)混合使用標記數(shù)據(jù)和未標記數(shù)據(jù)來進行訓(xùn)練,以提高準確性。強化學(xué)習(xí)算法通過與現(xiàn)實世界的交互來推導(dǎo)和改進模型。更多關(guān)于機器學(xué)習(xí)算法的詳細信息請參見機器學(xué)習(xí)。
說明
在本文中,我們將討論一種監(jiān)督式學(xué)習(xí)算法。最新一代意法半導(dǎo)體 MEMS 傳感器內(nèi)置一個基于決策樹分類器的機器學(xué)習(xí)核心(MLC)。這些產(chǎn)品很容易通過后綴中的 X 來識別(例如,LSM6DSOX)。這種 MLC 可以在傳感器中以極低的功耗執(zhí)行程序化決策樹。關(guān)于這些設(shè)備中機器學(xué)習(xí)核心的更多詳細信息請參見相關(guān)應(yīng)用筆記(LSM6DSOX 請參見 AN5259、LSM6DSRX 請參見 AN5393、ISM330DHCX 請參見 AN5392、IIS2ICLX 請參見AN5536)。