从房价预测案例窥探机器学习

从房价预测案例窥探机器学习

一、房价预测案例

1、要解决的问题和目标

要解决的问题：输入一个房子的各种数据（面积、结构、附近交通情况等），然后希望得到一个预测的房价。（注意解决的问题不是预测房价是涨还是跌，而是房价）
目标：尽可能的预测准（具体的会是一个数值，这是所有机器学习的目标）

2、房价和什么因素有关系

一个现实中的房子，左右其房价的因素可能有很多，例如房子的面积、结构、朝向、附近有无地铁、超市、医院等等。本例中简化因素，假定房价的变化只与房子面积相关

3、现有的数据（样本）

想要预测房价，我们需要找到以前的房价，从以前的房价中找到规律，这样才能预测下一个房价。在这个案例中，假定已经有了相关数据，如下：
(数据是瞎编的，只是示例)

房间面积（m²）	总房价(W)
86	86
90	100
75	70
130	150
…	…

4、模型如下：

整个模型从左往右看，是在拿到一个X（房子面积）后，通过假设函数（ hypothesis）计算后，得到预计的房子的价格。

那么怎么得到这个假设函数呢。从模型从上往下看，就是从训练样本中找到合适的学习算法，最后得到h,即假设函数。

5、假定一个学习算法

这个时候我们可以大胆的假设，这个算法是一个线性算法。假设算法的写法是hθ(x(i))=θ0+θ1x(i)。

X轴表示房子面积，Y是房价。坐标轴中的叉，表示样本的数据，而蓝色的线条就是我们的假设函数。

6、调整假设函数，找到替代函数

我们的假设函数中θ0和θ1还只是一个符号，并不是具体的数字。可是我们要怎么找到最合适的θ0和θ1呢？

从图上我们可以发现，其实只要各个样本与假设函数在坐标轴上距离和最小，即可以视作比较好的拟合了。

那么从假设函数开始到现在，我们的目标就变成了：

goal.jpg 1799x814 98.1 KB

注意在代替函数中，距离的计算上是平方的（还有一种方案是取绝对值），m代表的是样子的大小，即样本的个数。
代替函数在坐标轴中：

untitle.png 1071x617 291 KB

在求解代替函数过程中使用了梯度下降算法，其中有一个learning rate的概念，涉及到局部最优解和全局最优解，有兴趣的同学可以深入了解。图中左边红色箭头是全局最优解，右边红色箭头是局部最优解。

7、大功告成

找到替代函数最小的点，它的坐标（θ0，θ1）就可以给假设函数使用了。现在已经找到了合适的假设函数，输入一个新的房子面积，就可以给出一个机器学习后的预测房价了。

二、窥探机器学习

以下的窥探机器学习，其实更多是个人的感受与观点，以及在上述示例中固定的一些前提的回味，希望大家可以讨论与修正。

1、房价与什么相关？

在上面的例子中，房价只与面积有关，但在真实环境下究竟和什么因素有关，或者还和其他什么因素有关系。可能从一个软件开发者的角度上，并不清楚。其实，这个时候需要的是相关行业的专家来给出答案，只有了解这个行业这个事物的人，才最清楚这个事物的本质是什么，什么会影响最终走向。

2、样本数据只需要几个？

当然不会，从某些较官方的建议来看，少于50个样本的时候基本是不用考虑机器学习的，数据太少了。从我们的个人认知来看也可以得出同样的结果，只要更多的去预测、不断的纠正才可能更加准确。

3、数据从什么地方来，什么方式，什么格式

这往往是在机器学习中容易忽略的，因为大多的示例都已经提前准备好了离线数据。但是在真实的环境里，可能面临的情况就会更加复杂。比如，现在的数据是实时的，例如日志信息，数据可能是文本的、excel、xml，可能数据中有些数据是错误的，例如描述一个人的身高数据是3米。这中间就涉及到了数据的清洗准备等工作。

4、为什么这个算法就是一个线性方程？

这中间其实省略了一个步骤，我们需要拿不同的学习算法去简单的试一试，看看哪个效果更好，在效果较好的基础上，再进行调参调优的操作。这中间涉及到了机器学习的十大算法，当然不可能把所有的算法都试一遍，特定的算法往往对解决某些特定的问题比较擅长，但是这个映射关系需要大家经验积累。

写在最后

想要真正学习掌握机器学习，可能在各个方面都对我们提出了挑战，数理基础、语言、算法、大数据，甚至是工程开发的组织上。但是大家可以一起携手抱团学习，也欢迎大家讨论指正文章的错误。