漫画解读:轻松看懂机器学习十大常用算法

作者: 简书 2017-12-16 11:50:56

 通过本篇文章可以对 ML 的常用算法有个常识性的认识,没有代码,没有复杂的理论推导,就是图解一下,知道这些算法是什么,它们是怎么应用的,例子主要是分类问题。

机器学习的十大常用算法如下:

  • 决策树
  • 随机森林算法
  • 逻辑回归
  • SVM
  • 朴素贝叶斯
  • K 最近邻算法
  • K 均值算法
  • Adaboost 算法
  • 神经网络
  • 马尔可夫

决策树

根据一些 feature 进行分类,每个节点提一个问题,通过判断,将数据分为两类,再继续提问。

这些问题是根据已有数据学习出来的,再投入新数据的时候,就可以根据这棵树上的问题,将数据划分到合适的叶子上。

随机森林

在源数据中随机选取数据,组成几个子集,如下图:

S 矩阵是源数据,有 1-N 条数据,A B C 是 feature,最后一列 C 是类别。

由 S 随机生成 M 个子矩阵。

这 M 个子集得到 M 个决策树。

将新数据投入到这 M 个树中,得到 M 个分类结果,计数看预测成哪一类的数目最多,就将此类别作为最后的预测结果。

逻辑回归

当预测目标是概率这样的,值域需要满足大于等于 0,小于等于 1 的,这个时候单纯的线性模型是做不到的,因为在定义域不在某个范围之内时,值域也超出了规定区间。

所以此时需要这样的形状的模型会比较好。

那么怎么得到这样的模型呢?这个模型需要满足两个条件:

  • 大于等于0。
  • 小于等于1。

大于等于 0 的模型可以选择绝对值、平方值,这里用指数函数,一定大于 0 小于等于1 用除法,分子是自己,分母是自身加上 1,结果那一定是小于 1 的了。

再做一下变形,就得到了 logistic regression 模型。

通过源数据计算可以得到相应的系数了。

最后得到 logistic 的图形。

SVM

SVM 即 support vector machine,要将两类分开,想要得到一个超平面,最优的超平面是到两类的 margin 达到最大,margin 就是超平面与离它最近一点的距离。

如下图,Z2>Z1,所以绿色的超平面比较好。

将这个超平面表示成一个线性方程,在线上方的一类,都大于等于 1,另一类小于等于 -1。

点到面的距离根据图中的公式计算。

所以得到 total margin 的表达式如下,目标是最大化这个 margin,就需要最小化分母,于是变成了一个优化问题。

举个例子,三个点,找到最优的超平面,定义了 weight vector=(2,3)-(1,1)。

得到 weight vector 为(a,2a),将两个点代入方程,代入(2,3)令其值=1,代入(1,1)令其值=-1,求解出 a 和 截矩 w0 的值,进而得到超平面的表达式。

a 求出来后,代入(a,2a)得到的就是 support vector。

a 和 w0 代入超平面的方程就是 support vector machine。

朴素贝叶斯

举个在 NLP 的应用例子,给一段文字,返回情感分类,这段文字的态度是 positive,还是 negative?

为了解决这个问题,可以只看其中的一些单词。

这段文字,将仅由一些单词和它们的计数代表。

原始问题是:给你一句话,它属于哪一类?通过 bayes rules 变成一个比较简单容易求得的问题。

问题变成,这一类中这句话出现的概率是多少,当然,别忘了公式里的另外两个概率。

例子:单词 love 在 positive 的情况下出现的概率是 0.1,在 negative 的情况下出现的概率是 0.001。

K 最近邻

K 最近邻即 k nearest neighbours,给一个新的数据时,离它最近的 k 个点中,哪个类别多,这个数据就属于哪一类。

例子:要区分 猫 和 狗,通过 claws 和 sound 两个 feature 来判断的话,圆形和三角形是已知分类的了,那么这个 star 代表的是哪一类呢?

k=3时,这三条线链接的点就是最近的三个点,那么圆形多一些,所以这个 star 就是属于猫。

K 均值

想要将一组数据,分为三类,粉色数值大,黄色数值小,最开始先初始化,这里面选了最简单的 3,2,1 作为各类的初始值。

剩下的数据里,每个都与三个初始值计算距离,然后归类到离它最近的初始值所在类别。

分好类后,计算每一类的平均值,作为新一轮的中心点。

几轮之后,分组不再变化了,就可以停止了。

Adaboost

adaboost 是 bosting 的方法之一,bosting 就是把若干个分类效果并不好的分类器综合起来考虑,会得到一个效果比较好的分类器。

如下图,左右两个决策树,单个看是效果不怎么好的,但是把同样的数据投入进去,把两个结果加起来考虑,就会增加可信度。

adaboost 的栗子,手写识别中,在画板上可以抓取到很多 features,例如始点的方向,始点和终点的距离等等。

training 的时候,会得到每个 feature 的 weight,例如 2 和 3 的开头部分很像,这个 feature 对分类起到的作用很小,它的权重也就会较小。

而这个 alpha 角就具有很强的识别性,这个 feature 的权重就会较大,最后的预测结果是综合考虑这些 feature 的结果。

神经网络

Neural Networks 适合一个 input 可能落入至少两个类别里,NN 由若干层神经元和它们之间的联系组成。第一层是 input 层,最后一层是 output 层,在 hidden 层和 output 层都有自己的 classifier。

input 输入到网络中,被激活,计算的分数被传递到下一层,激活后面的神经层,最后output 层的节点上的分数代表属于各类的分数,下图例子得到分类结果为 class 1。

同样的 input 被传输到不同的节点上,之所以会得到不同的结果是因为各自节点有不同的 weights 和 bias。这也就是 forward propagation。

马尔可夫

Markov Chains 由 state 和 transitions 组成。举个例子,根据这一句话 ‘the quick brown fox jumps over the lazy dog’。

如果要得到 markov chain ,步骤是先给每一个单词设定成一个状态,然后计算状态间转换的概率。

这是一句话计算出来的概率,当你用大量文本去做统计的时候,会得到更大的状态转移矩阵,例如 the 后面可以连接的单词,及相应的概率。

生活中,键盘输入法的备选结果也是一样的原理,模型会更高级。

【编辑推荐】

  1. 安全对人工智能的需求——从机器学习到机器创造
  2. 如何对机器学习代码进行单元测试?
  3. 前途光明的机器学习将走向何方?这里有 5 个关于它的未来预测
  4. 人工智能那么火,你分得清机器学习和深度学习吗?
  5. 内测中!自带机器学习的Word,Excel和Outlook要来了
机器学习 常用 算法
上一篇:在SaaS应用中,AI的雪球如何越滚越大? 下一篇:内测中!自带机器学习的Word,Excel和Outlook要来了
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

机器学习转化为生产力,警惕这4个常见陷阱!

几乎每个人都想在他们的业务中引入机器学习,但是这些人也遇到了一个大问题:让模型可持续发展十分困难,尤其是在云架构的基础上。medium上一位博主也指出了这个问题,并提出了将机器学习模型投入生产的4个常见陷阱。

大数据文摘 ·  18h前
500亿参数,支持103种语言:谷歌推出「全球文字翻译」模型

由于缺乏平行数据,小语种的翻译一直是一大难题。来自谷歌的研究者提出了一种能够翻译 103 种语言的大规模多语言神经机器翻译模型,在数据丰富和匮乏的语种翻译中都实现了显著的性能提升。

机器之心 ·  1天前
机器学习免费跑分神器:集成各大数据集,连接GitHub就能用

搞机器学习的小伙伴们,免不了要在各种数据集上,给AI模型跑分。现在,Papers with Code (那个以论文搜代码的神器) 团队,推出了自动跑分服务,名叫sotabench,以跑遍所有开源模型为己任。

栗子 鱼羊 ·  2天前
大数据为什么不够聪明?机器要如何走向强人工智能

大数据为什么不够聪明?比概率语言更强大的思考工具是什么?科幻电影中的强人工智能到底怎样实现?如何让智能机器像人一样思考?搞清楚因果关系才能拨云见日。

明日情报 ·  2天前
2019机器学习框架之争:与Tensorflow竞争白热化,进击的PyTorch赢在哪里?

2019年,机器学习框架之争进入了新阶段:PyTorch与TensorFlow成为最后两大玩家,PyTorch占据学术界领军地位,TensorFlow在工业界力量依然强大,两个框架都在向对方借鉴,但是都不太理想。

大数据文摘 ·  2天前
机器学习帮你预测电池寿命:精确了解电池还能充几次

电池寿命的确定,是移动硬件发展的重要一环,但是由于电池电化学反应的不确定性以及不同的使用环境和习惯,电池寿命变成了一门玄学。不过柏林的三位小伙伴,利用Tensorflow,在原有的预测体系基础上。更近一步,完成了电池的全寿命预测。

靓科技解读 ·  2天前
PyTorch横扫顶会,TensorFlow退守业界:机器学习框架一年变天

机器学习框架的世界,局势变化过于迅猛,稍不注意就会被抢了地盘。一年前,TensorFlow还是各大顶会论文选择的主流框架,如今顶会几乎成了PyTorch的天下。

鱼羊 栗子 ·  2天前
Nature发文:深度学习系统为什么这么好骗?

今天的人工智能系统经常会出现莫名其妙的 bug。最新一期《自然》杂志上的这篇文章向我们介绍了深度学习为什么如此容易出错,以及解决这些问题的研究方向。

机器之心 ·  3天前
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载