本文轉(zhuǎn)載自公眾號(hào)“讀芯術(shù)”(ID：AI_Discovery)

很多面試官都喜歡問這個(gè)問題：“假設(shè)我是個(gè)5歲的小孩兒，請(qǐng)向我解釋[某項(xiàng)技術(shù)]。”給幼兒園的小朋友講清楚機(jī)器學(xué)習(xí)可能有點(diǎn)夸張，實(shí)際上這一問題的要求就是，盡可能簡(jiǎn)單地解釋某一技術(shù)。

[[324730]]

這就是筆者在本文中嘗試做到的事。筆者將解釋什么是機(jī)器學(xué)習(xí)以及不同類型的機(jī)器學(xué)習(xí)，再介紹常見的模型。本文里，筆者不會(huì)介紹任何數(shù)學(xué)運(yùn)算，小白請(qǐng)放心食用。

對(duì)于沒有或幾乎沒有數(shù)據(jù)科學(xué)背景的成年人來說，它應(yīng)該是容易弄懂的(如果不能，請(qǐng)?jiān)谠u(píng)論區(qū)告訴我)。

機(jī)器學(xué)習(xí)的定義

機(jī)器學(xué)習(xí)圖

機(jī)器學(xué)習(xí)是指將大量數(shù)據(jù)加載到計(jì)算機(jī)程序中并選擇一種模型“擬合”數(shù)據(jù)，使得計(jì)算機(jī)(在無(wú)需你幫助的情況下)得出預(yù)測(cè)。計(jì)算機(jī)創(chuàng)建模型的方式是通過算法進(jìn)行的，算法既包括簡(jiǎn)單的方程式(如直線方程式)，又包括非常復(fù)雜的邏輯/數(shù)學(xué)系統(tǒng)，使計(jì)算機(jī)得出最佳預(yù)測(cè)。

機(jī)器學(xué)習(xí)恰如其名，一旦選擇要使用的模型并對(duì)其進(jìn)行調(diào)整(也就是通過調(diào)整來改進(jìn)模型)，機(jī)器就會(huì)使用該模型來學(xué)習(xí)數(shù)據(jù)中的模式。然后，輸入新的條件(觀測(cè)值)，它就能預(yù)測(cè)結(jié)果!

有監(jiān)督機(jī)器學(xué)習(xí)的定義

監(jiān)督學(xué)習(xí)是一種機(jī)器學(xué)習(xí)，其中放入模型中的數(shù)據(jù)被“標(biāo)記”。簡(jiǎn)單來說，標(biāo)記也就意味著觀察結(jié)果(也就是數(shù)據(jù)行)是已知的。

例如，如果你的模型正嘗試預(yù)測(cè)你的朋友是否會(huì)去打高爾夫球，那么可能會(huì)有溫度、星期幾等變量。如果你的數(shù)據(jù)被標(biāo)記，那么當(dāng)你的朋友真的去打高爾夫了，你也會(huì)有一個(gè)值為1的變量，當(dāng)他們沒有去打高爾夫，變量的值則為0。

無(wú)監(jiān)督機(jī)器學(xué)習(xí)的定義

在標(biāo)記數(shù)據(jù)時(shí)，無(wú)監(jiān)督學(xué)習(xí)與有監(jiān)督學(xué)習(xí)恰好相反。在無(wú)監(jiān)督學(xué)習(xí)的情況下，你不知道朋友是否會(huì)去打高爾夫球——這都由計(jì)算機(jī)通過模型找到模式來猜測(cè)已經(jīng)發(fā)生了什么或預(yù)測(cè)將會(huì)發(fā)生什么。

有監(jiān)督機(jī)器學(xué)習(xí)模型

1. 邏輯回歸

在遇到分類問題時(shí)，可使用邏輯回歸。這意味著目標(biāo)變量(也就是需要預(yù)測(cè)的變量)由不同類別組成。這些類別可以是“是/否”，也可以是代表客戶滿意度的1到10之間的數(shù)字。

邏輯回歸模型用方程式創(chuàng)建包含數(shù)據(jù)的曲線，然后用該曲線預(yù)測(cè)新觀測(cè)的結(jié)果。

邏輯回歸圖

上圖中，新觀測(cè)值的預(yù)測(cè)值為0，因?yàn)樗挥谇€的左側(cè)。如果查看此曲線上的數(shù)據(jù)，就能解釋清楚了，因?yàn)閳D中“預(yù)測(cè)值為0”的區(qū)域里，大多數(shù)數(shù)據(jù)點(diǎn)的y值都為0。

2. 線性回歸

線性回歸是人們通常知道的最早的機(jī)器學(xué)習(xí)模型之一。這是因?yàn)閮H使用一個(gè)x變量時(shí)，它的算法(即幕后方程式)相對(duì)容易理解——畫出一條最適合的直線，這是小學(xué)階段教授的內(nèi)容。然后，這條最佳擬合線可以預(yù)測(cè)出新的數(shù)據(jù)點(diǎn)(參見下圖)。

線性回歸圖

線性回歸與邏輯回歸類似，但是當(dāng)目標(biāo)變量連續(xù)時(shí)，才能使用線性回歸，這意味著線性回歸可以用任何數(shù)值。實(shí)際上，任何具有連續(xù)目標(biāo)變量的模型都可以歸類為“回歸”。連續(xù)變量的一個(gè)例子是房屋的售價(jià)。

線性回歸也很容易解釋。模型方程式包含每個(gè)變量的系數(shù)，并且這些系數(shù)指示目標(biāo)變量隨著自變量(x變量)中的每個(gè)變化而變化的量。

以房?jī)r(jià)為例，這意味著你可以查看回歸方程式，并可能這樣說道：“哦，這告訴我，房屋面積(x變量)每增加1平方英尺，售價(jià)(目標(biāo)變量)就增加25美元。”

3. K近鄰算法(KNN)

該模型可用于分類或回歸!“K近鄰算法”這個(gè)名字并不會(huì)造成混淆。該模型首先要繪制出所有數(shù)據(jù)。其中，“ K”部分是指模型為了確定預(yù)測(cè)值應(yīng)使用的最鄰近數(shù)據(jù)點(diǎn)的數(shù)量(如下圖)。你可以選擇K，然后可以使用這些值來查看哪個(gè)值提供最佳預(yù)測(cè)。

K近鄰算法圖

K = __圈中的所有數(shù)據(jù)點(diǎn)都可以對(duì)這個(gè)新數(shù)據(jù)點(diǎn)的目標(biāo)變量值進(jìn)行“投票”。得票最多的那個(gè)值是KNN為新數(shù)據(jù)點(diǎn)預(yù)測(cè)的值。

上圖中，最近的點(diǎn)中有2個(gè)是1類，而1個(gè)是2類。因此，模型將為此數(shù)據(jù)點(diǎn)預(yù)測(cè)為1類。如果模型試圖預(yù)測(cè)數(shù)值而非類別，則所有“投票”都是取平均值的數(shù)值，從而獲得預(yù)測(cè)值。

4. 支持向量機(jī)

支持向量機(jī)在數(shù)據(jù)點(diǎn)之間建立邊界來運(yùn)行，其中一類中的大多數(shù)落在邊界的一側(cè)(在2D情況下又稱為線)，而另一類中的大多數(shù)落在另一側(cè)。

支持向量機(jī)圖

其工作方式是機(jī)器力求找出具有最大邊距的邊界。邊距是指每個(gè)類的最近點(diǎn)與邊界之間的距離。然后繪制新的數(shù)據(jù)點(diǎn)，并根據(jù)它們落在邊界的哪一側(cè)將其分類。

筆者對(duì)此模型的解釋是根據(jù)分類情況來的，不過你也可以用SVM進(jìn)行回歸。

5. 決策樹和隨機(jī)森林

[[324733]]

圖源：unsplash

無(wú)監(jiān)督機(jī)器學(xué)習(xí)模型

接著到了“深水區(qū)”，我們來看看無(wú)監(jiān)督學(xué)習(xí)。提醒一下，這意味著數(shù)據(jù)集未標(biāo)記，因此不知道觀察結(jié)果。

1. k均值聚類

在用K表示聚類時(shí)，必須首先假設(shè)數(shù)據(jù)集中有K個(gè)聚類。由于不知道數(shù)據(jù)中實(shí)際上有多少個(gè)組，因此必須嘗試不同的K值，并使用可視化和度量標(biāo)準(zhǔn)來查看哪個(gè)K值行得通。K表示最適合圓形和相似大小的聚類。

k均值聚類算法首先選擇最佳的K個(gè)數(shù)據(jù)點(diǎn)，以形成K個(gè)聚類中每個(gè)聚類的中心。然后，它對(duì)每個(gè)點(diǎn)重復(fù)以下兩個(gè)步驟：

• 將數(shù)據(jù)點(diǎn)分配到最近的聚類中心
• 通過獲取此聚類中所有數(shù)據(jù)點(diǎn)的平均值來創(chuàng)建一個(gè)新中心

K均值聚類圖

2. DBSCAN聚類

DBSCAN聚類模型與K均值聚類的不同之處在于，它不需要輸入K的值，并且它還可以找到任何形狀的聚類。你無(wú)需指定聚類數(shù)，而是輸入聚類中所需的最小數(shù)據(jù)點(diǎn)數(shù)，并在數(shù)據(jù)點(diǎn)周圍半徑之內(nèi)搜索聚類。

DBSCAN將為您找到聚類，然后，你可以更改用于創(chuàng)建模型的值，直到獲得對(duì)數(shù)據(jù)集有意義的聚類為止。

此外，DBSCAN模型會(huì)分類“噪聲”點(diǎn)(即，遠(yuǎn)離所有其他觀測(cè)值的點(diǎn))。數(shù)據(jù)點(diǎn)非常靠近時(shí)，此模型比K均值的效果更好。

3. 神經(jīng)網(wǎng)絡(luò)

在筆者看來，神經(jīng)網(wǎng)絡(luò)是最酷、最神秘的模型。它們之所以被稱為“神經(jīng)網(wǎng)絡(luò)”，是因?yàn)樗鼈兪歉鶕?jù)我們大腦中神經(jīng)元的工作方式進(jìn)行建模的。這些模型在數(shù)據(jù)集中尋找模式;有時(shí)它們會(huì)發(fā)現(xiàn)人類可能永遠(yuǎn)無(wú)法識(shí)別的模式。

神經(jīng)網(wǎng)絡(luò)可以很好地處理圖像和音頻等復(fù)雜數(shù)據(jù)。從面部識(shí)別到文本分類，這些都是我們現(xiàn)在經(jīng)常看到的軟件背后的邏輯原理。

[[324735]]

圖源：unsplash

有時(shí)你可能會(huì)有困惑的地方，即使專家也無(wú)法完全理解為什么計(jì)算機(jī)得出這個(gè)結(jié)論。在某些情況下，我們?cè)诤醯闹皇撬瞄L(zhǎng)預(yù)測(cè)!

不過有時(shí)我們會(huì)關(guān)心計(jì)算機(jī)如何得出其預(yù)測(cè)結(jié)果的，比如是否正在用模型來確定哪些求職者會(huì)獲得第一輪面試的機(jī)會(huì)。

希望本文能讓你加深對(duì)這些模型的理解，還能使你意識(shí)到它們是多么酷炫!