185
目的和益处
机器学习是计算机算法的一个研究领域，可以使用数据构建算法，无需明确推导数学模型。
有四种不同类型的机器学习方法被广泛使用：
- 监督式学习
- 无监督式学习
- 半监督式学习
- 强化学习
监督式学习将已被标记为相关的真实信息的训练数据用于机器学习算法。例如，可以从系在测试对象手腕上的数据收集设备采集加速度计数据，这些信息可以被标记为不同的活动，如静止、步行、跑步、游泳或骑自行车。无监督式机器学习算法不需要标记数据，可以通过在数据中确定模式来创建模型。半监督式学习混合使用标记数据和未标记数据来进行训练，以提高准确性。强化学习算法通过与现实世界的交互来推导和改进模型。更多关于机器学习算法的详细信息请参见机器学习。
说明
在本文中，我们将讨论一种监督式学习算法。最新一代意法半导体 MEMS 传感器内置一个基于决策树分类器的机器学习核心（MLC）。这些产品很容易通过后缀中的 X 来识别（例如，LSM6DSOX）。这种 MLC 可以在传感器中以极低的功耗执行程序化决策树。关于这些设备中机器学习核心的更多详细信息请参见相关应用笔记（LSM6DSOX 请参见 AN5259、LSM6DSRX 请参见 AN5393、ISM330DHCX 请参见 AN5392、IIS2ICLX 请参见AN5536）。
下载ECAD模型
