机器学习专业人员如何使用结构化预测？ eval（ez_write_tag（[[320,50]，techopedia_com-under_page_title，ezslot_8,242,0,0]））;

内容

• 问：
• A：

问：

机器学习专业人员如何使用结构化预测？

A：

机器学习专业人员通常通过将某种形式的机器学习技术应用于特定目标或问题来使用结构化预测，而特定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，而不是标量离散或实数值”。

换句话说，结构化预测不是从真空中简单地测量单个变量，而是从特定结构的模型中进行工作，并将其用作学习和进行预测的基础。 （阅读人工智能如何帮助个性预测？）

结构化预测的技术变化很大-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，机器学习专业人员可以使用广泛的工具集来解决数据问题。

这些想法的共同点是使用了某些基础结构，这些基础结构是机器学习工作固有的基础。

专家通常会提出自然语言处理的想法，其中的语音部分被标记以表示结构的元素–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的片段来识别手写单词，或者进行复杂的图像处理，其中计算机学习基于分段输入的识别对象，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本技术。从广义上讲，结构化预测与监督机器学习的广泛领域所基于的模型不同—回到自然语言处理以及带标签的音素或单词的结构化预测的示例中，我们看到对监督式机器学习是针对结构模型本身的，即所提供的有意义的东西，可能是在测试集和训练集中。

然后，当松开机器学习程序来执行其工作时，其建立在结构模型的基础上。专家们说，这解释了程序如何理解诸如动词，副词，形容词和名词之类的词性，而不是将其误认为其他词性，或者无法区分它们在全局环境中的工作方式。 。 （阅读数据的结构化程度？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。