資訊整合 & 機器學習
機器學習可定義為收集特定數據資料,經整理並運用合適的演算法推導出數據集的特徵關係或對映邏輯,以作為系統物件分類或事件行為預測的判斷準則。關係邏輯推導過程通常需要利用電腦進行所謂的機器學習並建構分類或預測模型,按機器學習數據有無標籤(答案)可分為監督式學習(有答案)、非監督式學習(無答案),常用的演算法如:決策樹、支援向量機(SVM)、類神經網路、線性迴歸、LASSO迴歸、Ridge迴歸、支援向量迴歸(SVR)、集群分析、主成份分析(PCA)等,不同的數據特徵屬性與應用情境,需要選擇適用的演算法。此外,也可以採用統計模型進行數據資料的假設檢定、特徵及關聯分析。為能有效進行測控系統的數據解析,本公司採用Visual Studio C#設計具有數據收集及控制處理功能軟體系統(EDCS、DAHS),並搭配開源軟體系統Python & R軟體作為機器學習處理框架平台,透過資料庫連結與存取(DAMS),提供使用者進行智慧化測控系統應用整合(DIIS)。
建置中...