Delen via

Wat is een machine learning-model?

  • Artikel

Een machine learning-model is een object (lokaal opgeslagen in een bestand) dat is getraind om bepaalde typen patronen te herkennen. U traint een model met een set gegevens en voorziet het van een algoritme dat het kan gebruiken om over deze gegevens te redeneren en ervan te leren.

Zodra u het model hebt getraind, kunt u het gebruiken om gegevens te redeneren die het nog niet eerder heeft gezien en voorspellingen over deze gegevens te doen. Stel dat u een toepassing wilt bouwen die de emoties van een gebruiker kan herkennen op basis van hun gezichtsuitdrukkingen. U kunt een model trainen door het te voorzien van afbeeldingen van gezichten die elk zijn getagd met een bepaalde emotie, en vervolgens kunt u dat model gebruiken in een toepassing die de emotie van een gebruiker kan herkennen.

Afbeelding van Windows ML-modelstroomgrafiek

Wanneer machine learning gebruiken

Goede machine learning-scenario's hebben vaak de volgende algemene eigenschappen:

  1. Ze hebben betrekking op een herhaalde beslissing of evaluatie die u wilt automatiseren en consistente resultaten nodig hebt.
  2. Het is moeilijk of onmogelijk om de oplossing of criteria achter een beslissing expliciet te beschrijven.
  3. U hebt gelabelde gegevens of bestaande voorbeelden waarin u de situatie kunt beschrijven en deze kunt toewijzen aan het juiste resultaat.

Windows Machine Learning maakt gebruik van de Open Neural Network Exchange (ONNX)-indeling voor de modellen. U kunt een vooraf getraind model downloaden of u kunt uw eigen model trainen. Zie Verkrijg ONNX-modellen voor Windows ML voor meer informatie.

Aan de slag

U kunt aan de slag met Windows Machine Learning door een van onze handleidingen voor complete applicaties te volgen of rechtstreeks naar de Windows Machine Learning-voorbeelden te gaan.

Notitie

Gebruik de volgende bronnen voor hulp bij Windows ML:

  • Als u technische vragen over Windows ML wilt stellen of beantwoorden, gebruikt u de tag windows-machine learning- op Stack Overflow-.
  • Als u een fout wilt melden, verzoeken wij u een issue aan te maken op onze GitHub.