Höheres maschinelles Lernen Mathematica 12 geht weiter in Richtung vollautomatisches maschinelles Lernen für alle Aufgabenstellungen und Datentypen. Viele der bereits vorhandenen Funktionen wurden vor allem durch die Einführung einer neuen Automatisierungsprozedur verbessert. Ferner wurden auch neue Funktionen eingeführt, hauptsächlich aus dem Bereich für unüberwachtem Lernen, aber auch aus dem Bereich überwachtem Lernen. Insgesamt ermöglicht es die Aktualisierung des Frameworks Einsteigern, einfach maschinelle Lernlösungen zu implementieren, und Experten, ihre Entwicklungszeiten zu reduzieren. Künstliche Daten generieren » Automatisch fehlende Werte auffüllen » Anomale Beispiele identifizieren » Datenrepräsentationen lernen » Daten in Merkmalsräumen visualisieren » Semantische Suchmaschinen erzeugen » Die Zukunft von sequenziellen Daten vorhersagen lernen » Automatisches Training von Klassifizierern » Automatisierung von höheren Funktionen steuern » Leistung von Klassifizierern im Detail analysieren » Klassifizierer durch einen Lehrer trainieren » Beispiele Train a Classifier Automatically » Analyze the Performance of an Image Classifier » Train Gradient-Boosted Trees to Predict Wind Speed » Optimize Code with Active Classification » Visualize Paintings in Feature Space » Learn a Nonlinear Manifold on Numeric Data » Recover Head Poses by Reducing the Dimension » Create a Fashion Image Search Engine » Fill in Missing Values in an Astronomy Dataset » Synthesize Missing Values in Numeric Data » Create a Custom Image Inpainter » Generate Art with Learn Distribution »
