时间序列 - 进一步范围

机器学习处理各种各样的问题。事实上，几乎所有领域都有借助机器学习实现自动化或改进的空间。以下列出了少数几个投入了大量工作的问题。

时间序列数据

这是根据时间而变化的数据，因此时间在其中起着至关重要的作用，我们在本教程中对此进行了详尽讨论。

非时间序列数据

它是与时间无关的数据，并且绝大多数机器学习问题都是非时间序列数据相关的。为了简便起见，我们将进一步将其分类为 -

• 数值数据 - 与人类不同，计算机只理解数字，因此所有类型的数据最终都会转换为数值数据以用于机器学习，例如，图像数据会转换为 (r,b,g) 值，字符会转换为 ASCII 码，或者将单词编入数字索引，语音数据会转换为包含数值数据的 mfcc 文件。

• 图像数据 - 计算机视觉已经彻底改变了计算机的世界，在医学和卫星成像等领域有着广泛的应用。

• 文本数据 - 自然语言处理 (NLP) 用于文本分类、释义检测和语言总结。这正是让 Google 和 Facebook 变得智能的原因。

• 语音数据 - 语音处理涉及语音识别和情绪理解。它在赋予计算机类似人类的品质方面发挥着至关重要的作用。