盡可能簡(jiǎn)單地解釋ML模型的工作方式

如果您是數(shù)據(jù)科學(xué)的新手，那么這個(gè)標(biāo)題并不是要侮辱您。 這是我的第二篇帖子，主題是一個(gè)受歡迎的面試問(wèn)題，內(nèi)容類(lèi)似于："像我五歲那樣向我解釋[插入技術(shù)主題]。"

事實(shí)證明，達(dá)到5歲的理解水平相當(dāng)困難。 因此，盡管這篇文章可能對(duì)幼稚園學(xué)習(xí)者來(lái)說(shuō)不是很清楚，但對(duì)于沒(méi)有或幾乎沒(méi)有數(shù)據(jù)科學(xué)背景的人來(lái)說(shuō)，它應(yīng)該是清楚的（如果不是最后，請(qǐng)?jiān)谠u(píng)論中讓我知道）。

我將首先解釋什么是機(jī)器學(xué)習(xí)以及不同類(lèi)型的機(jī)器學(xué)習(xí)，然后再介紹常見(jiàn)的模型。 我不會(huì)進(jìn)行任何數(shù)學(xué)運(yùn)算，但是將來(lái)我會(huì)在另一篇文章中考慮這樣做。 請(qǐng)享用！

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)，其中您放入模型中的數(shù)據(jù)被"標(biāo)記"。 標(biāo)記只是簡(jiǎn)單地表示觀測(cè)結(jié)果（也就是數(shù)據(jù)行）是已知的。 例如，如果您的模型試圖預(yù)測(cè)您的朋友是否會(huì)打高爾夫球，那么您可能會(huì)有諸如溫度，星期幾等變量。如果您的數(shù)據(jù)帶有標(biāo)簽，那么您的變量也將包含 如果您的朋友實(shí)際打高爾夫球，則值為1；否則，則為0。

無(wú)監(jiān)督機(jī)器學(xué)習(xí)的定義

您可能已經(jīng)猜到了，在涉及標(biāo)簽數(shù)據(jù)時(shí)，無(wú)監(jiān)督學(xué)習(xí)與有監(jiān)督學(xué)習(xí)相反。 在無(wú)監(jiān)督學(xué)習(xí)的情況下，您不知道朋友是否打高爾夫球，這取決于計(jì)算機(jī)通過(guò)模型找到模式來(lái)猜測(cè)發(fā)生的事情或預(yù)測(cè)發(fā)生的事情。

監(jiān)督機(jī)器學(xué)習(xí)模型

[需要成人監(jiān)督]

邏輯回歸

遇到分類(lèi)問(wèn)題時(shí)，將使用邏輯回歸。 這意味著您的目標(biāo)變量（也就是您要預(yù)測(cè)的變量）由類(lèi)別組成。 這些類(lèi)別可以是"是/否"，也可以是代表客戶(hù)滿意度的介于1到10之間的數(shù)字。

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

> Illustration of Logistic Regression

在上圖中，新觀測(cè)值的預(yù)測(cè)值為0，因?yàn)樗挥谇€的左側(cè)。 如果查看此曲線所基于的數(shù)據(jù)，這是有道理的，因?yàn)樵趫D形的"預(yù)測(cè)值為0"區(qū)域中，大多數(shù)數(shù)據(jù)點(diǎn)的y值為0。

線性回歸

線性回歸通常是人們學(xué)習(xí)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-它只是畫(huà)出一條最合適的線，這是在小學(xué)階段教授的一種概念。 然后，該最佳擬合線用于做出有關(guān)新數(shù)據(jù)點(diǎn)的預(yù)測(cè)（參見(jiàn)插圖）。

> Illustration of Linear Regression

線性回歸與邏輯回歸相似，但是當(dāng)目標(biāo)變量是連續(xù)的時(shí)使用線性回歸，這意味著它可以采用任何數(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(lèi)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)變量針對(duì)自變量（x變量）中的每個(gè)小變化而變化了多少。 以房?jī)r(jià)為例，這意味著您可以看一下回歸方程，并說(shuō)"哦，這告訴我，每增加1平方英尺的房屋大小（x變量），便要賣(mài)出價(jià)格（目標(biāo)變量） 增加25美元。"

K最近鄰居（KNN）

該模型可用于分類(lèi)或回歸！ 名稱(chēng)" K最近的鄰居"并不旨在造成混淆。 該模型首先繪制出所有數(shù)據(jù)。 標(biāo)題的" 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（請(qǐng)參見(jiàn)下圖）。 您作為未來(lái)的數(shù)據(jù)科學(xué)家，可以選擇K，然后您可以使用這些值來(lái)查看哪個(gè)值提供最佳預(yù)測(cè)。

> Illustration of K Nearest Neighbors

K = __圈中的所有數(shù)據(jù)點(diǎn)都會(huì)對(duì)此新數(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。 在上圖中，最近的鄰居中有2個(gè)是1類(lèi)，而鄰居中的1個(gè)是2類(lèi)。因此，模型將為此數(shù)據(jù)點(diǎn)預(yù)測(cè)1類(lèi)。 如果模型試圖預(yù)測(cè)數(shù)值而不是類(lèi)別，則所有"投票"都是對(duì)數(shù)值進(jìn)行平均以獲得預(yù)測(cè)。

支持向量機(jī)（SVM）

支持向量機(jī)通過(guò)在數(shù)據(jù)點(diǎn)之間建立邊界來(lái)工作，其中一類(lèi)的大多數(shù)位于邊界的一側(cè)（在2D情況下也稱(chēng)為線），而另一類(lèi)的大多數(shù)位于另一側(cè)。

> Illustration of Support Vector Machines

它的工作方式是機(jī)器尋求找到最大邊距的邊界。 邊距定義為每個(gè)類(lèi)的最近點(diǎn)與邊界之間的距離（請(qǐng)參見(jiàn)插圖）。 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(lèi)。

我對(duì)此模型的解釋是針對(duì)分類(lèi)情況的，但是您也可以使用SVM進(jìn)行回歸！

決策樹(shù)和隨機(jī)森林

> Illustration of Machine Learning

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以"擬合"數(shù)據(jù)時(shí)，這將使計(jì)算機(jī)（無(wú)需您的幫助）可以得出預(yù)測(cè)。 計(jì)算機(jī)制作模型的方式是通過(guò)算法進(jìn)行的，算法的范圍從簡(jiǎn)單的方程式（如直線方程式）到非常復(fù)雜的邏輯/數(shù)學(xué)系統(tǒng)，可以使計(jì)算機(jī)獲得最佳預(yù)測(cè)。

無(wú)監(jiān)督機(jī)器學(xué)習(xí)模型

[謹(jǐn)慎使用]

現(xiàn)在，我們正在嘗試無(wú)監(jiān)督的學(xué)習(xí)（又稱(chēng)"雙關(guān)"）。 提醒一下，這意味著我們的數(shù)據(jù)集未標(biāo)記，因此我們不知道觀察結(jié)果。

K均值聚類(lèi)

當(dāng)使用K表示聚類(lèi)時(shí)，必須首先假設(shè)數(shù)據(jù)集中有K個(gè)聚類(lèi)。 由于您不知道數(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(lái)查看哪個(gè)K值有意義。 K表示最適合圓形和相似大小的簇。

K Means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(lèi)中每個(gè)聚類(lèi)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)分配到最近的集群中心

· 通過(guò)獲取此集群中所有數(shù)據(jù)點(diǎn)的平均值來(lái)創(chuàng)建一個(gè)新中心

> Illustration of K Means Clustering

DBSCAN集群

DBSCAN集群模型與K的不同之處在于，它不需要您輸入K的值，并且它還可以找到任何形狀的集群（請(qǐng)參見(jiàn)下圖）。 您無(wú)需輸入簇的數(shù)量，而是輸入簇中所需的最小數(shù)據(jù)點(diǎn)數(shù)以及搜索簇的數(shù)據(jù)點(diǎn)周?chē)陌霃健?DBSCAN將為您找到集群！ 然后，您可以更改用于制作模型的值，直到獲得對(duì)數(shù)據(jù)集有意義的聚類(lèi)為止。

此外，DBSCAN模型會(huì)為您分類(lèi)"噪聲"點(diǎn)（即，遠(yuǎn)離所有其他觀測(cè)值的點(diǎn)）。 當(dāng)數(shù)據(jù)點(diǎn)非常靠近時(shí)，此模型比K表示的效果更好。

神經(jīng)網(wǎng)絡(luò)

在我看來(lái)，神經(jīng)網(wǎng)絡(luò)是最酷，最神秘的模型。 它們之所以稱(chēng)為神經(jīng)網(wǎng)絡(luò)，是因?yàn)樗鼈兪前凑瘴覀兇竽X中神經(jīng)元的工作方式建模的。 這些模型用于在數(shù)據(jù)集中查找模式。 有時(shí)他們發(fā)現(xiàn)人類(lèi)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)。 它們是當(dāng)今我們一直看到的許多軟件功能的背后，從面部識(shí)別（不再令人毛骨悚然，F(xiàn)acebook）到文本分類(lèi)。

對(duì)于本文而言，即使只是觸及神經(jīng)網(wǎng)絡(luò)的運(yùn)行方式，也可能過(guò)于復(fù)雜。 如果您想了解更多信息，請(qǐng)參閱"初學(xué)者"指南：https：//pathmind.com/wiki/neural-network。

結(jié)論

希望本文不僅增加了您對(duì)這些模型的理解，還使您意識(shí)到它們是多么的酷和有用！ 當(dāng)我們讓計(jì)算機(jī)進(jìn)行工作/學(xué)習(xí)時(shí)，我們可以坐下來(lái)看看它能找到什么模式。 有時(shí)可能會(huì)造成混淆，因?yàn)榧词箤?zhuān)家也無(wú)法理解計(jì)算機(jī)得出其結(jié)論的確切邏輯，但是在某些情況下，我們關(guān)心的只是它擅長(zhǎng)預(yù)測(cè)！

但是，有時(shí)候我們確實(shí)會(huì)關(guān)心計(jì)算機(jī)如何達(dá)到其預(yù)測(cè)，例如是否正在使用模型來(lái)確定哪些求職者將獲得第一輪面試。 有關(guān)此的更多信息，以下是TED的精彩演講，您不必成為數(shù)據(jù)科學(xué)家即可理解或欣賞：

與往常一樣，非常感謝您的閱讀，如果發(fā)現(xiàn)有用，請(qǐng)分享這篇文章！ :)

所有圖形都是我在www.canva.com上制作的（充滿愛(ài)意）。 如果您希望使用它們，請(qǐng)與我聯(lián)系。

還要向Sean Davern，Scott Kroeger，Dotun Opasina和Bhanu Yerra表示感謝，以幫助他們通過(guò)我們的數(shù)據(jù)科學(xué)訪談實(shí)踐課程更好地理解這些模型。