机器学习
主题概览数据驱动的应用程序无处不在（市场分析、农业、医疗保健、交通网络，……），并且已经开发出机器学习算法，其特定目的是分析模式和利用现实世界测量中的相关性，以便将数据转化为应用程序. Wolfram 语言提供完全自动化和高度可定制的机器学习函数来执行分类、回归、聚类和许多其他操作. 经典方法辅以强大的符号深度学习框架和用于图像、视频、文本和音频等多种数据类型的专用管道.
监督机器学习 »
Predict — 根据数据预测值
Classify — 将数据分类
ActivePrediction ▪ SequencePredict ▪ Nearest ▪ FindFit ▪ ...
未监督机器学习 »
FindClusters — 将数据分成聚类
FeatureExtraction — 找到如何从数据中提取特征
FeatureSpacePlot — 在降维特征空间中可视化数据
FeatureImpactPlot — 可视化输入特征对模型结果的影响
AnomalyDetection ▪ DimensionReduction ▪ MissingValueSynthesis ▪ ...
LLM 功能 »
LLMFunction — 表示大语言模型提示语的模板
LLMSynthesize — 根据指示生成文字
ImageSynthesize — 根据文字提示生成图像
ChatObject ▪ LLMPrompt ▪ LLMTool ▪ LLMConfiguration ▪ ...
神经网络 »
NetModel — 访问 Wolfram 神经网络存储库中经过训练和未经训练的模型
NetTrain — 利用 CPU、GPU 等来训练神经网络
NetGraph ▪ LinearLayer ▪ ConvolutionLayer ▪ AttentionLayer ▪ ...
计算机视觉 »
ImageIdentify — 识别图像中的对象
ImageCases ▪ FindFaces ▪ TextRecognize ▪ ImageGraphics ▪ ...
自然语言处理 »
TextSummarize — 自动产生不同类型的总结
LanguageIdentify ▪ TextStructure ▪ TextCases ▪ ...
语音计算 »
SpeechRecognize — 语音到文本
AudioIdentify ▪ SpeechCases ▪ SpeakerMatchQ ▪ PitchRecognize