拖拽式機器學習是我想了很久的問題。

1. 前世今生

拖拽式機器學習是，人們在界面上通過拖拽就是建立機器學習過程。拖拽式機器學習系統(tǒng)一般擁有豐富的組件，包括數(shù)據(jù)清洗、特征選擇、訓練、預測和效果評估。通過類似于 “搭積木” 的方式，人們將學習組件合成一個完成的機器學習過程。

拖拽式機器學習的雛形很早之前就出現(xiàn)了。Weka 是有新西蘭 Waikato 大學開發(fā)的數(shù)據(jù)挖掘軟件。Weka 除了提供 Java API 之外，還提供 Weka Explorer 圖形界面。人們在 Weka Explorer 界面上通過鼠標操作就能很方便地加載數(shù)據(jù)、觀察數(shù)據(jù)特點、訓練、預測和效果評估。除了 Weka 免費軟件之外，商業(yè)軟件 Matlab 和 SASS 也提供了圖形界面。我個人覺得，這些軟件將自己定位為軟件，而不是工具包或者系統(tǒng)。但這些軟件確實是最開始有圖形界面的機器學習系統(tǒng)。

隨著最近幾年機器學習成為顯學，“人人都能使用機器學習” 成為不少人的愿景。在他們的想象中，數(shù)據(jù)準備、不同算法訓練、不同算法的預測和效果評估都封裝在組件中，人們只需要點點鼠標拖拽拖拽組件，就能順利地使用機器學習。秉承這樣的理念，人們開發(fā)了不少拖拽式機器學習系統(tǒng)。其中比較有名的就包括微軟的 Azure Machine Learning Studio 和阿里的大數(shù)據(jù)計算服務 MaxComput。

除了大公司，也有創(chuàng)業(yè)公司開發(fā)拖拽機器學習系統(tǒng)。下圖是 aetros 基于 theano 建立的深度學習平臺。用戶只要進行拖拽就可以完成一個基本含有ConvNet，fcNet的架構(gòu)。

2. 愛

拖拽式機器學習將機器學習的使用門檻，從編程降到組件拖拽和配置文件撰寫。機器學習使用難度實現(xiàn)了質(zhì)的下降。但這個優(yōu)勢我一直有懷疑。金融公司、外貿(mào)公司、銀行，甚至互聯(lián)網(wǎng)企業(yè)等組織機構(gòu)中，非技術(shù)人員真的有使用機器學習的需求和知識儲備嘛?我表示懷疑。

拖拽式機器學習即使不能實現(xiàn) “人人都能使用機器學習” 的初心，也能極大地方便工程師進行機器學習任務。工程師在界面上組織資金的機器學習任務，可能對自己的機器學習任務有一個直觀的認識：自己的機器學習任務進行到哪一步了;如果出錯，在哪一步出錯;出錯步驟影響了哪些任務。

比如我們很直觀地可以從上圖看出，如果歸一化出錯，將會影響拆分任務和后續(xù)任務。

3. 恨

說了拖拽式機器學習的好，我們再說說拖拽式機器學習的壞。

拖拽式機器學習中，組件加配置替換了編程，成為人們使用機器學習的方式。但是組件加配置，卻不能像編程那樣，完全地處理機器學習使用的復雜度。除了對機器學習算法的理解，機器學習使用最復雜的部分有兩個部分：調(diào)特征和調(diào)參數(shù)。調(diào)特征的內(nèi)容包括：要用哪些特征，要摒棄哪些特征，采用哪些特征預處理方法 (比如 scaling)。調(diào)參數(shù)則和具體算法有關(guān)，比如邏輯斯蒂回歸主要有學習率和正則因子兩個參數(shù)。

組件加配置的方式能配置一組特征工程方案和一組參數(shù)，但很難快速驗證哪一組特征工程方案和參數(shù)效果***。在編程方式中，我們可以用循環(huán)的方式，遍歷不同的特征工程方案和參數(shù)，得到相應效果指標。但在拖拽式機器學習的組件加配置的方式中，我們只能在文檔中記著不同的特征工程方案和參數(shù)，選擇其中一個配置到拖拽式機器學習系統(tǒng)，運行幾個小時得到評估指標，將評估指標記錄到文檔中;再選擇下一組，重復上述步驟直到遍歷完所有特征工程方案和參數(shù)。我們程序員的目標是用代碼將不同的任務串起來，實現(xiàn)自動化。但現(xiàn)在拖拽式機器學習粗暴割裂了這個自動化鏈條。

那么直接用組件加配置實現(xiàn)自動化呢?如果要實現(xiàn)這點，拖拽式機器學習要提供條件判斷組件和循環(huán)組件，還需要定義一套特征工程方案和參數(shù)變化的標準。這好像是在制定一個新的編程語言。這又繞回來。

4. 總結(jié)

拖拽式機器學習 “人人都能使用機器學習” 的初心我是不看好的。對于工程師來說，拖拽式機器學習也是充滿了愛恨情仇。