盡可能簡單地解釋ML模型的工作方式

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

事實證明，達到5歲的理解水平相當困難。 因此，盡管這篇文章可能對幼稚園學(xué)習(xí)者來說不是很清楚，但對于沒有或幾乎沒有數(shù)據(jù)科學(xué)背景的人來說，它應(yīng)該是清楚的（如果不是最后，請在評論中讓我知道）。

我將首先解釋什么是機器學(xué)習(xí)以及不同類型的機器學(xué)習(xí)，然后再介紹常見的模型。 我不會進行任何數(shù)學(xué)運算，但是將來我會在另一篇文章中考慮這樣做。 請享用！

監(jiān)督機器學(xué)習(xí)的定義

監(jiān)督學(xué)習(xí)是一種機器學(xué)習(xí)，其中您放入模型中的數(shù)據(jù)被"標記"。 標記只是簡單地表示觀測結(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)測您的朋友是否會打高爾夫球，那么您可能會有諸如溫度，星期幾等變量。如果您的數(shù)據(jù)帶有標簽，那么您的變量也將包含 如果您的朋友實際打高爾夫球，則值為1；否則，則為0。

無監(jiān)督機器學(xué)習(xí)的定義

您可能已經(jīng)猜到了，在涉及標簽數(shù)據(jù)時，無監(jiān)督學(xué)習(xí)與有監(jiān)督學(xué)習(xí)相反。 在無監(jiān)督學(xué)習(xí)的情況下，您不知道朋友是否打高爾夫球，這取決于計算機通過模型找到模式來猜測發(fā)生的事情或預(yù)測發(fā)生的事情。

監(jiān)督機器學(xué)習(xí)模型

[需要成人監(jiān)督]

邏輯回歸

遇到分類問題時，將使用邏輯回歸。 這意味著您的目標變量（也就是您要預(yù)測的變量）由類別組成。 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)測新觀測的結(jié)果。

> Illustration of Logistic Regression

在上圖中，新觀測值的預(yù)測值為0，因為它位于曲線的左側(cè)。 如果查看此曲線所基于的數(shù)據(jù)，這是有道理的，因為在圖形的"預(yù)測值為0"區(qū)域中，大多數(shù)數(shù)據(jù)點的y值為0。

線性回歸

線性回歸通常是人們學(xué)習(xí)的最早的機器學(xué)習(xí)模型之一。 這是因為僅使用一個x變量時，它的算法（即幕后方程式）相對容易理解-它只是畫出一條最合適的線，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)點的預(yù)測（參見插圖）。

> Illustration of Linear Regression

線性回歸與邏輯回歸相似，但是當目標變量是連續(xù)的時使用線性回歸，這意味著它可以采用任何數(shù)值。 實際上，任何具有連續(xù)目標變量的模型都可以歸類為"回歸"。 連續(xù)變量的一個例子是房屋的售價。

線性回歸也很容易解釋。 模型方程式包含每個變量的系數(shù)，并且這些系數(shù)指示目標變量針對自變量（x變量）中的每個小變化而變化了多少。 以房價為例，這意味著您可以看一下回歸方程，并說"哦，這告訴我，每增加1平方英尺的房屋大?。▁變量），便要賣出價格（目標變量） 增加25美元。"

K最近鄰居（KNN）

該模型可用于分類或回歸！ 名稱" 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)。 標題的" K"部分是指模型為了確定預(yù)測值應(yīng)使用的最鄰近數(shù)據(jù)點的數(shù)量（請參見下圖）。 您作為未來的數(shù)據(jù)科學(xué)家，可以選擇K，然后您可以使用這些值來查看哪個值提供最佳預(yù)測。

> Illustration of K Nearest Neighbors

K = __圈中的所有數(shù)據(jù)點都會對此新數(shù)據(jù)點的目標變量值進行"投票"。 得票最多的那個值是KNN為新數(shù)據(jù)點預(yù)測的值。 在上圖中，最近的鄰居中有2個是1類，而鄰居中的1個是2類。因此，模型將為此數(shù)據(jù)點預(yù)測1類。 如果模型試圖預(yù)測數(shù)值而不是類別，則所有"投票"都是對數(shù)值進行平均以獲得預(yù)測。

支持向量機（SVM）

支持向量機通過在數(shù)據(jù)點之間建立邊界來工作，其中一類的大多數(shù)位于邊界的一側(cè)（在2D情況下也稱為線），而另一類的大多數(shù)位于另一側(cè)。

> Illustration of Support Vector Machines

它的工作方式是機器尋求找到最大邊距的邊界。 邊距定義為每個類的最近點與邊界之間的距離（請參見插圖）。 然后繪制新的數(shù)據(jù)點，并根據(jù)它們落在邊界的哪一側(cè)將其分類。

我對此模型的解釋是針對分類情況的，但是您也可以使用SVM進行回歸！

決策樹和隨機森林

> Illustration of Machine Learning

機器學(xué)習(xí)是指將大量數(shù)據(jù)加載到計算機程序中并選擇一種模型以"擬合"數(shù)據(jù)時，這將使計算機（無需您的幫助）可以得出預(yù)測。 計算機制作模型的方式是通過算法進行的，算法的范圍從簡單的方程式（如直線方程式）到非常復(fù)雜的邏輯/數(shù)學(xué)系統(tǒng)，可以使計算機獲得最佳預(yù)測。

無監(jiān)督機器學(xué)習(xí)模型

[謹慎使用]

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

K均值聚類

當使用K表示聚類時，必須首先假設(shè)數(shù)據(jù)集中有K個聚類。 由于您不知道數(shù)據(jù)中實際上有多少個組，因此必須嘗試不同的K值，并使用可視化和度量標準來查看哪個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個數(shù)據(jù)點，以形成K個聚類中每個聚類的中心。 然后，它對每個點重復(fù)以下兩個步驟：

· 將數(shù)據(jù)點分配到最近的集群中心

· 通過獲取此集群中所有數(shù)據(jù)點的平均值來創(chuàng)建一個新中心

> 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（請參見下圖）。 您無需輸入簇的數(shù)量，而是輸入簇中所需的最小數(shù)據(jù)點數(shù)以及搜索簇的數(shù)據(jù)點周圍的半徑。 DBSCAN將為您找到集群！ 然后，您可以更改用于制作模型的值，直到獲得對數(shù)據(jù)集有意義的聚類為止。

此外，DBSCAN模型會為您分類"噪聲"點（即，遠離所有其他觀測值的點）。 當數(shù)據(jù)點非?？拷鼤r，此模型比K表示的效果更好。

神經(jīng)網(wǎng)絡(luò)

在我看來，神經(jīng)網(wǎng)絡(luò)是最酷，最神秘的模型。 它們之所以稱為神經(jīng)網(wǎng)絡(luò)，是因為它們是按照我們大腦中神經(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。 有時他們發(fā)現(xiàn)人類可能永遠無法識別的模式。

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)。 它們是當今我們一直看到的許多軟件功能的背后，從面部識別（不再令人毛骨悚然，F(xiàn)acebook）到文本分類。

對于本文而言，即使只是觸及神經(jīng)網(wǎng)絡(luò)的運行方式，也可能過于復(fù)雜。 如果您想了解更多信息，請參閱"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這些模型的理解，還使您意識到它們是多么的酷和有用！ 當我們讓計算機進行工作/學(xué)習(xí)時，我們可以坐下來看看它能找到什么模式。 有時可能會造成混淆，因為即使專家也無法理解計算機得出其結(jié)論的確切邏輯，但是在某些情況下，我們關(guān)心的只是它擅長預(yù)測！

但是，有時候我們確實會關(guān)心計算機如何達到其預(yù)測，例如是否正在使用模型來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，請分享這篇文章！ :)

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

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