machine learning概述

一、机器学习是什么？

1、概述

a、机器学习是一个比较泛的概念

b、是不是会觉得机器学习和人工智能，数据挖掘讲的东西很像？
（1）机器学习是人工智能的一个子方向
（2）机器学习是数据挖掘的一种实现方式

c、数据挖掘的三种方式
（1）数据库 ---强调的是效率，即如何组织信息使得能够快速有效的查找信息
（2）机器学习----强调有效性，在数据分析中
（3）统计方法------强调正确性，更多的是为机器学习算法提供理论支撑

d、举个例子

给一些苹果和香蕉，人会通过特征的判断做区分，并且记忆这些特征，下次来了一个新的苹果或者香蕉的时候，就可以判断是香蕉还是苹果了。

左边一栏是输入，上边一栏是输出，而这个表中的数据，就相当于训练出来的模型。

 

2、数学表示

a、算法或者说用程序执行的数学问题
       （1）输入----多个特征所构成向量的向量，或者说是一个矩阵
            (如果只有一个特征向量是一个弱化的矩阵概念，统一称作矩阵)
       （2）输出----通过对特征的判断得出的做区分的规则

 

b、目前机器学习的核心技术是基于矩阵的优化技术
– 输入:矩阵 – 待学习的信息
– 输出:模型 – 总结出的规则

 

3、形式化表示

a、主流的机器学习技术就可以形式化为

    ---输入:特征矩阵 X、标注向量 y

              （X 是特征矩阵,不包括“样本名称”和“样本 标注”)

                 (y 是标注向量,即“样本标注”那列)

   ---输出:模型向量 w

                (期望:X·w 尽可能接近 y)

                (多种优化算法可以解 w,区别在于如何定义 “尽可能接近”)

b、举个例子：要计算广告的CTR（点击率）

例子中特征只有两个，query关键词和“是否飘红” —特征输入

目标是要根据已知的auc特征，猜测这个目标广告是否会被点击 —模型输出

 

二、一般的机器学习的步骤是什么？

 

1、问题分析

输入输出都有了，具体解决这个问题，就可以选用相关的算法
(1)前面定义里面有这么一个隐含的关键点：X w 尽可能接近 y
(2)如何定义这个“接近”，思路不同，算法就不同
  -- LR (Logistic Regression)
  -- SVM（Support Vector Machine）
(3)实际例子分析（还是那个苹果的例子，因为简单）

 

a.形象化表示

之后会发现，利用Logistic regression其实就是通过一批样本数据训练出系数，得出一个方程系数矩阵，之后将未知分类样本作为输入，结合训练出来的矩阵，得到的输出就是分类的结果，可以想象为是一条曲线的模拟。

b.数学化的目标函数表示

"接近"的定义不同，学术的讲，就是“优化目标不同”，无论是否相同，我们都至少可以选一个优化目标了，有了优化目标，下面要做的就是如何求解这个优化目标了

一般现在用的思路主要是L-BFGS，CDN，SGD。

 

2、用机器学习的方法去解决问题

优化步骤：

   （1）算法 ---优化目标 + 优化算法

   （2）数据 ---尽可能和实际同分布的数据 + 尽可能充分的数据

   （3）特征 ---尽可能包含足够多的需要识别对象的信息

优化算法：

从优化目标的角度（学术界，发现新的算法）

从优化算法的角度（工业界，基于现有算法进行扩展）
（1）更小的计算代价---机器就可以做别的事情
（2）更快的收敛---可以更好的把结果投入使用
（3）更好的并行---用现有的大数据框架解决问题

训练数据：

（1）同分布

    ---样本数据和实际数据分布差异很大的话，那么你的算法得出的结果基本上就没啥用，也就是泛化能力差。

 

（2）数据充分

   ---由于期望的往往是总的误差最小，所以很可能讲数据量小的类目判别错误，所以数据越充分，训练就越充分，误判率就越低。

 

特征：

要求：数量多，质量高。

有一种疾病，这种疾病容易在个高且胖的人群，以及个矮且瘦的人群中易感。那么任意从给一个特征角度上看，比如肥胖，那么胖的这部分人中，得此病的概率为50%，不胖的也是50%，那么“胖”这个特征没有表达力，所以这个特征的质量就为0。

一个工程问题，特征是往往是决定最多的

一个算法方面的优化，可能只是优化了2~3%的效果，但是特征可能就是50~60%了。

一个工程项目七八成的精力往往都是花在特征选取上的，但是高质量的并不是那么容易被发现的，比如百度CTR预测，特征数据目前就是100亿级别的，通过数量弥补质量，那怎么提高特征的质量呢，答案就是深度学习，所以接下来我们来看看深度学习是怎么样提取高质量的特征的。

 

三、机器学习与深度学习的区别？

 

1、简介

叫Deep Learning那么一定就相对有Shallow Learning（机器学习的别名），最大的区别在于特征层数。

目前的机器学习算法主要是一层的，就是从特征直接推断出结果

 

Deep Learning和人类的处理问题的结果更接近，是由特征推断出一些中间层的结果，进而推断出最终结果的，也就是说其实特征只是一种外在表现，如何挖掘特征是如何表现的，其实这是一个特征表达力的问题，传统方法特征表达力，不如Deep Learning的多层学习得到的更有效果的表达。

 

2、特征表示的粒度

一个图片来说，像素级的特征根本没有价值，无法进行摩托车正例和负例的区分，而如果特征是一个具有结构性（或者说有含义）的时候，比如是否具有handlebars（把手），是否具有wheel（车轮子），就很容易把正例和负例区分，学习算法才能发挥作用

 

题外话：为什么LDA（一种主题模型）是合理的？

 

从文本来说，文本这个概念或者说一句话，一个doc表达的是什么意思，用什么来表示比较合适？

最简单的就是用一个一个字，也即是我们常用的词袋模型，但是这样只是简化方便而已，字是像素级别的，起码应该是term，换句话说每个doc都由term构成，但这样表示概念的能力就够了嘛？

可能也不够，需要再上一步，达到topic级，有了topic，再到doc就合理。注意这里就是主题模型的精髓了，但每个层次的数量差距很大，比如doc表示的概念->topic（千-万量级）->term（10万量级）->word（百万量级）

这就是主题模型的从Deep Learning角度来看的合理性

deep的含义就是多层神经元网络，每一层代表一种层次的概念，越往下概念的正交性越好，越往上概念的正交性越差，越具有相似度。因为高层概念彼此可能互相包含了相同的基本结构

 高层概念分离出基本结构的方法也很容易理解，就是打散了聚类，比如doc可以通过LDA的方法搞出topic，有限个topic就可以描述一个doc，topic内部还可以通过类似的方法，再打散了聚类，得到更浅层的topic，这就好比新闻聚类可以从小类聚到大类，从大类聚到超大类就是这个思路。数据挖掘中数据仓库也有类似的情况，上卷或是下钻。

 

2、为什么要用多层神经网络来挖特征？

正式一点的话，身高和体型是两个Marginally independent的变量，即如果观察到了他们产生的结果，他们就不独立了。

也就是如果身高和体型在用于检测这种疾病的时候，他们就不独立了，因此需要有一种特征表示的方式来表示他们的这种不独立性，能够combine他们以形成更好的特征。

而这种更结构化的特征，需要大量的语料才能training出来。而独立性的特征，往往少部分语料就可以获得很好的结果，但随着语料数量的提高，无法observe到结构化的特征，因此更多的语料就浪费了。这就设计到机器学习里面的一些关于选取样本的问题，如何选样本，训练多少样本够。

我们都知道这是AI领域的XOR问题，也就是二层神经网络就能求解，换言之，多层神经网络能够挖掘出来更好的特征。

 

4、怎么进行挖掘？

小块的图形可以由基本edge构成，更结构化，更复杂的，具有概念性的图形如何表示呢？这就需要更高层次的特征表示，比如V2，V3。因此V1看像素级是像素级。V2看V1是像素级，这个是层次递进的，就好像高中生看初中生naive，大学生看高中生naive一样。

 

5、和人脑有什么类似的地方？原理何在？

人脑中大部分感知器是一个非常简单的计算过程。但通过组合可以达到很高的理解力。

但问题是如何组合，感知的过程如何从低级阶段到高级阶段，从明暗，色彩的感知，到人类喜怒哀乐的情感，整个过程的每一步可能都是naive得，但整个认知链条的末端一定是语义的，有感情的，上升到概念的。

比如看一本小说，脑海中就能自然浮现画面，可见不同神经感知器也不是完全独立的，而是彼此联系的。

 

6、如何训练？

语料切成n个部分，每个部分产生表达力强的特征，而这些表达力强的特征在一个阶段进行combine，也就是那个hidden layer可以很好的表达来自不同shard的特征，最后再展开各层，用不同shard上的tagged data 来进一步调整每条边的权重。

通常学生试验在10 million connections这个水平，因为再大已经超出计算的能力，但如果采用并发的方法，160000万个CPUs的情况下，可以达到1 billion connections这个水平。如果采用特制的GPU来计算，可以达到10 billion connections的水平。

 

7、需要多少特征？

  我们知道需要层次的特征构建，有浅入深，但每一层该有多少个特征呢？

任何一种方法，只要特征足够多，效果总能提高，但特征多意味着计算复杂，探索的空间大，可以用来训练的数据在每个特征上就会稀疏，都会带来各种问题，并不一定特征越多越好。

 

8、ML和DL比较

大量使用Shallow learning主要是因为它有很好的数学特征：
   ---解空间是凸函数

  ---凸函数有大量的求解方法