本篇文章623字，读完约2分钟
在考虑这个问题前，需求先解释一下机器学习的工作原理。机器学习从运用现有数据进行练习的非参数模型开始。练习数据被送入到未经练习或经过部分练习的模型中，然后经过计算来确认是否与期望的成果有差错。依据设定的数学规矩更改模型的参数可以最大限度地削减差错。机器学习中的练习进程适当于一个差错最小化进程，因此在设置模型参数时，会让模型可以尽可能精确地仿制练习数据。根底模型也可以预测未包含在练习数据中的输入数据，也就是说，模型可以泛化。机器学习的技巧在于挑选满足杂乱但不会过大的模型，模型仅运用少数练习数据就可以在整个相关输入数据范围内实现杰出的概况。
将机器学习集成到自动化控制系统中所面临的关键技术应战有如下几点：
– 数据科学家有必要可以拜访开放式接口（例如关于数据采集、练习和布置），以确保跨不同框架的互操作性
– 机器学习有必要满足简单，无需专业知识即可运用：换句话说，解决方案有必要可以与现有的软件架构整合
– 很多机器学习方法实质上并不精确，应该区别对待。关于不适合的解决方案，有必要对其进行修改或直接放弃。这样可以确保用户练习好的算法是牢靠的
– 所使用的练习方法需求适当稳健，即使在有少数噪声数据的情况下依然可以运转
– 透明度和可展现性对很多企业来说都至关重要。他们的要求越杂乱，正确理解所运用的算法就越重要。在这个范畴，科研活动还有很长的一段路要走
文章源自：江门自动化控制系统 http://www.jmxingyuan.com/
标题：江门自动化控制系统在集成机器学习会有哪些挑战
地址：http://www.yuanmengshidai.com/yysx/33843.html
