337
目的和益處
機器學習是計算機算法的一個研究領域，可以使用數據構建算法，無需明確推導數學模型。
有四種不同類型的機器學習方法被廣泛使用：
- 監(jiān)督式學習
- 無監(jiān)督式學習
- 半監(jiān)督式學習
- 強化學習
監(jiān)督式學習將已被標記為相關的真實信息的訓練數據用于機器學習算法。例如，可以從系在測試對象手腕上的數據收集設備采集加速度計數據，這些信息可以被標記為不同的活動，如靜止、步行、跑步、游泳或騎自行車。無監(jiān)督式機器學習算法不需要標記數據，可以通過在數據中確定模式來創(chuàng)建模型。半監(jiān)督式學習混合使用標記數據和未標記數據來進行訓練，以提高準確性。強化學習算法通過與現實世界的交互來推導和改進模型。更多關于機器學習算法的詳細信息請參見機器學習。
說明
在本文中，我們將討論一種監(jiān)督式學習算法。最新一代意法半導體 MEMS 傳感器內置一個基于決策樹分類器的機器學習核心（MLC）。這些產品很容易通過后綴中的 X 來識別（例如，LSM6DSOX）。這種 MLC 可以在傳感器中以極低的功耗執(zhí)行程序化決策樹。關于這些設備中機器學習核心的更多詳細信息請參見相關應用筆記（LSM6DSOX 請參見 AN5259、LSM6DSRX 請參見 AN5393、ISM330DHCX 請參見 AN5392、IIS2ICLX 請參見AN5536）。
下載ECAD模型
