如有有一天，你的小孩問：「爸爸，什么是機器學(xué)習(xí)呀？」
爸爸，什么是機器學(xué)習(xí)呀?
難以回答!抓了抓開始脫發(fā)的腦殼，爸比還是被這個問題KO了。這個有些學(xué)術(shù)的問題，如何給孩子解答?
近日，計算機科學(xué)博士Daniel Tunkelang就在Quora上回答了這個問題——
不如我們由機器學(xué)習(xí)中的分類問題入手，教計算機學(xué)習(xí)哪些食物好吃，哪些難吃。
和人類不一樣，計算機沒有嘴巴，不能品嘗食物。所以，我們需要用很多食物樣例(標(biāo)記的訓(xùn)練數(shù)據(jù))教會計算機。這項樣例中有美味的食物(正例)，也有惡心的(負(fù)例)。對于每個被標(biāo)記的示例，我們給計算機提供了描述食物(特征)的方法。
正例被標(biāo)記為“美味”，比如巧克力冰淇淋、披薩、草莓等。負(fù)例被標(biāo)記為“惡心”，比如鳳尾魚、花椰菜和球芽甘藍(lán)。
在真正的機器學(xué)習(xí)系統(tǒng)中，你可能需要更多的訓(xùn)練數(shù)據(jù)，但3正3負(fù)的例子夠我們了解概念了。
現(xiàn)在，我們需要一些特征。不妨就將這些樣例設(shè)置為甜、咸和蔬菜三個特征，因為為二元特性，所以每種食物的每個特征都被賦予“是”或“否”的值。
有了這些訓(xùn)練數(shù)據(jù)后，計算機的工作就是從這些數(shù)據(jù)中總結(jié)一個公式(模型)。這樣，當(dāng)它會遇到新食物時，它能根據(jù)模型決定食物是美味還是惡心的。
一種模型是點系統(tǒng)(線性模型)。如果具備每個特性，就會得到一定分?jǐn)?shù)(權(quán)重)，如果不具備就沒有分?jǐn)?shù)。然后，模型將食物的點數(shù)加起來，得到最終分。
模型里有一個分界點，若得分高于分界點，模型就判定食物美味;如果分?jǐn)?shù)低于分界點，就判定為難吃。
根據(jù)訓(xùn)練數(shù)據(jù)，模型中的特征分可能會被設(shè)置為甜3分，咸1分，松脆1分，蔬菜為-1分。則巧克力冰淇淋、披薩、草莓、鳳尾魚、花椰菜、和球芽甘藍(lán)在模型中的得分如下：
權(quán)重讓選擇分界點更容易，因為正例都得分≥2，負(fù)例得分≤1。
總能正確找到權(quán)重和分界點不太容易。即使找到了，最終可能會得到一個只適用于這個訓(xùn)練數(shù)據(jù)的模型，但當(dāng)我們用新例子時，模型效果就沒這么好了(過度擬合)。
理想的模型不僅在訓(xùn)練數(shù)據(jù)中正確率高，在新例中仍然有效(泛化)。通常，簡單模型比復(fù)雜模型(奧卡姆剃刀)更容易一般化。
我們可以不使用線性模型，構(gòu)建決策樹也是個好方法。在決策樹中，只能問能用“是”和“否”回答的問題。
用訓(xùn)練數(shù)據(jù)讓決策樹答對并不難，在這個示例中訓(xùn)練數(shù)據(jù)是這樣利用的：
- 這是蔬菜嗎?
- 如果是，則難吃。
- 如果不是，那它是甜的嗎?
- 如果是，則好吃。
- 如果不是，那它是松脆的嗎?
- 如果是，則好吃。
- 如果不是，則難吃。
如同線性模型，我們需要擔(dān)心過度擬合，不能讓決策樹太深。所以這意味著最終可能會有一個模型，雖然在我們的訓(xùn)練數(shù)據(jù)上會犯錯，但能對新數(shù)據(jù)更好泛化。
希望孩子能聽懂這個機器學(xué)習(xí)的解釋~
