机器学习专业人员以多种方式使用结构化预测，通常是将某种形式的机器学习技术应用于特定目标或问题，这些目标或问题可以从更有序的预测分析起点中受益。

结构化预测的技术定义涉及“预测结构化对象而不是标量离散值或实值”。

另一种说法是，结构化预测不是简单地在真空中测量各个变量，而是根据特定结构的模型进行工作，并将其用作学习和做出预测的基础。（阅读人工智能如何帮助进行性格预测？）

结构化预测的技术多种多样——从贝叶斯技术到归纳逻辑编程、马尔可夫逻辑网络和结构化支持向量机或最近邻算法，机器学习专业人员拥有广泛的工具集可用于解决数据问题。

这些想法的共同点是使用机器学习工作本质上所建立的一些底层结构。

专家经常提出自然语言处理的想法，其中词性被标记以表示文本结构的元素 - 其他示例包括光学字符识别，其中机器学习程序通过解析给定输入或复杂图像的片段来识别手写单词处理，计算机学习根据分段输入识别对象，例如使用由许多“层”组成的卷积神经网络。

专家可能会谈论线性多类分类、线性兼容性函数和其他用于生成结构化预测的基础技术。从一般意义上讲，结构化预测建立在与更广泛的监督机器学习领域不同的模型上 - 回到自然语言处理和标记音素或单词中的结构化预测的示例，我们看到标签的使用监督机器学习面向结构模型本身——提供的有意义的文本，可能是在测试集和训练集中。

然后，当机器学习程序开始工作时，它就建立在结构模型的基础上。专家表示，这在一定程度上解释了该程序如何理解如何使用动词、副词、形容词和名词等词性，而不是将它们误认为是其他词性，或者无法区分它们在全球背景下的工作方式。（阅读您的数据的结构化程度如何？检查结构化、非结构化和半结构化数据。）

随着各种类型的机器学习和人工智能的发展，结构化预测领域仍然是机器学习的关键部分。

    上一篇我们送上的文章是 大数据中的数据会不会太多？ ， _!在下一篇继续做详细介绍，如需了解更多，请持续关注。
本文由日本NEC锂电池中国营销中心于2023-07-16 17:40:35 整理发布。
转载请注明出处.