這篇文章主要關(guān)注的是深度學(xué)習(xí)領(lǐng)域一個并不非常廣為人知的應(yīng)用領(lǐng)域：結(jié)構(gòu)化數(shù)據(jù)。本文作者為舊金山大學(xué)(USF)在讀研究生 Kerem Turgutlu。

使用深度學(xué)習(xí)方法按照本文所介紹的步驟處理結(jié)構(gòu)化數(shù)據(jù)有這樣的好處：

• 快
• 無需領(lǐng)域知識
• 表現(xiàn)優(yōu)良

在機器學(xué)習(xí)/深度學(xué)習(xí)或任何類型的預(yù)測建模任務(wù)中，都是先有數(shù)據(jù)然后再做算法/方法。這也是某些機器學(xué)習(xí)方法在解決某些特定任務(wù)之前需要做大量特征工程的主要原因，這些特定任務(wù)包括圖像分類、NLP 和許多其它「非常規(guī)的」數(shù)據(jù)的處理——這些數(shù)據(jù)不能直接送入 logistic 回歸模型或隨機森林模型進(jìn)行處理。相反，深度學(xué)習(xí)無需任何繁雜和耗時的特征工程也能在這些類型的任務(wù)取得良好的表現(xiàn)。大多數(shù)時候，這些特征需要領(lǐng)域知識、創(chuàng)造力和大量的試錯。當(dāng)然，領(lǐng)域?qū)I(yè)知識和精巧的特征工程仍然非常有價值，但這篇文章將提及的技術(shù)足以讓你在沒有任何領(lǐng)域知識的前提下向 Kaggle 競賽的前三名看齊，參閱：http://blog.kaggle.com/2016/01/22/rossmann-store-sales-winners-interview-3rd-place-cheng-gui/ 

由于特征生成(比如 CNN 的卷積層)的本質(zhì)和能力很復(fù)雜，所以深度學(xué)習(xí)在各種各樣的圖像、文本和音頻數(shù)據(jù)問題上得到了廣泛的應(yīng)用。這些問題無疑對人工智能的發(fā)展非常重要，而且這一領(lǐng)域的頂級研究者每年都在分類貓、狗和船等任務(wù)上你追我趕，每年的成績也都優(yōu)于前一年。但在實際行業(yè)應(yīng)用方面我們卻很少看到這種情況。這是為什么呢?公司企業(yè)的數(shù)據(jù)庫涉及到結(jié)構(gòu)化數(shù)據(jù)，這些才是塑造了我們的日常生活的領(lǐng)域。

首先，讓我們先定義一下結(jié)構(gòu)化數(shù)據(jù)。在結(jié)構(gòu)化數(shù)據(jù)中，你可以將行看作是收集到的數(shù)據(jù)點或觀察，將列看作是表示每個觀察的單個屬性的字段。比如說，來自在線零售商店的數(shù)據(jù)有表示客戶交易事件的列和包含所買商品、數(shù)量、價格、時間戳等信息的列。

下面我們給出了一些賣家數(shù)據(jù)，行表示每個獨立的銷售事件，列中給出了這些銷售事件的信息。 

圖 2：結(jié)構(gòu)化數(shù)據(jù)的 pandas dataframe 示例

 接下來我們談?wù)勅绾螌⑸窠?jīng)網(wǎng)絡(luò)用于結(jié)構(gòu)化數(shù)據(jù)任務(wù)。實際上，在理論層面上，創(chuàng)建帶有任何所需架構(gòu)的全連接網(wǎng)絡(luò)都很簡單，然后使用「列」作為輸入即可。在損失函數(shù)經(jīng)歷過一些點積和反向傳播之后，我們將得到一個訓(xùn)練好的網(wǎng)絡(luò)，然后就可以進(jìn)行預(yù)測了。

盡管看起來非常簡單直接，但在處理結(jié)構(gòu)化數(shù)據(jù)時，人們往往更偏愛基于樹的方法，而不是神經(jīng)網(wǎng)絡(luò)。原因為何?這可以從算法的角度理解——算法究竟是如何對待和處理我們的數(shù)據(jù)的。

人們對結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的處理方式是不同的。非結(jié)構(gòu)化數(shù)據(jù)雖然是「非常規(guī)的」，但我們通常處理的是單位量的單個實體，比如像素、體素、音頻頻率、雷達(dá)反向散射、傳感器測量結(jié)果等等。而對于結(jié)構(gòu)化數(shù)據(jù)，我們往往需要處理多種不同的數(shù)據(jù)類型;這些數(shù)據(jù)類型分為兩大類：數(shù)值數(shù)據(jù)和類別數(shù)據(jù)。類別數(shù)據(jù)需要在訓(xùn)練之前進(jìn)行預(yù)處理，因為包含神經(jīng)網(wǎng)絡(luò)在內(nèi)的大多數(shù)算法都還不能直接處理它們。

編碼變量有很多可選的方法，比如標(biāo)簽/數(shù)值編碼和 one-hot 編碼。但在內(nèi)存方面和類別層次的真實表示方面，這些技術(shù)還存在問題。內(nèi)存方面的問題可能更為顯著，我們通過一個例子來說明一下。

假設(shè)我們列中的信息是一個星期中的某一天。如果我們使用 one-hot 或任意標(biāo)簽編碼這個變量，那么我們就要假設(shè)各個層次之間都分別有相等和任意的距離/差別。 

圖 3：one-hot 編碼和標(biāo)簽編碼

但這兩種方法都假設(shè)每兩天之間的差別是相等的，但我們很明顯知道實際上并不是這樣，我們的算法也應(yīng)該知道這一點!

「神經(jīng)網(wǎng)絡(luò)的連續(xù)性本質(zhì)限制了它們在類別變量上的應(yīng)用。因此，用整型數(shù)表示類別變量然后就直接應(yīng)用神經(jīng)網(wǎng)絡(luò)，不能得到好的結(jié)果?！筟1]

基于樹的算法不需要假設(shè)類別變量是連續(xù)的，因為它們可以按需要進(jìn)行分支來找到各個狀態(tài)，但神經(jīng)網(wǎng)絡(luò)不是這樣的。實體嵌入(entity embedding)可以幫助解決這個問題。實體嵌入可用于將離散值映射到多維空間中，其中具有相似函數(shù)輸出的值彼此靠得更近。比如說，如果你要為一個銷售問題將各個省份嵌入到國家這個空間中，那么相似省份的銷售就會在這個投射的空間相距更近。

因為我們不想在我們的類別變量的層次上做任何假設(shè)，所以我們將在歐幾里得空間中學(xué)習(xí)到每個類別的更好表示。這個表示很簡單，就等于 one-hot 編碼與可學(xué)習(xí)的權(quán)重的點積。

嵌入在 NLP 領(lǐng)域有非常廣泛的應(yīng)用，其中每個詞都可表示為一個向量。Glove 和 word2vec 是其中兩種著名的嵌入方法。我們可以從圖 4 看到嵌入的強大之處 [2]。只要這些向量符合你的目標(biāo)，你隨時可以下載和使用它們;這實際上是一種表示它們所包含的信息的好方法。 

盡管嵌入可以在不同的語境中使用(不管是監(jiān)督式方法還是無監(jiān)督式方法)，但我們的主要目標(biāo)是了解如何為類別變量執(zhí)行這種映射。

實體嵌入

盡管人們對「實體嵌入」有不同的說法，但它們與我們在詞嵌入上看到的用例并沒有太大的差異。畢竟，我們只關(guān)心我們的分組數(shù)據(jù)有更高維度的向量表示;這些數(shù)據(jù)可能是詞、每星期的天數(shù)、國家等等。這種從詞嵌入到元數(shù)據(jù)嵌入(在我們情況中是類別)的轉(zhuǎn)換使用讓 Yoshua Bengio 等人使用一種簡單的自動方法就贏得了 2015 年的一場 Kaggle 競賽——通常這樣做是無法贏得比賽的。參閱：https://www.kaggle.com/c/pkdd-15-predict-taxi-service-trajectory-i

「為了處理由客戶 ID、出租車 ID、日期和時間信息組成的離散的元數(shù)據(jù)，我們使用該模型為這些信息中的每種信息聯(lián)合學(xué)習(xí)了嵌入。這種方法的靈感來自于自然語言建模方法 [2]，其中每個詞都映射到了一個固定大小的向量空間(這種向量被稱為詞嵌入)。[3] 

我們將一步步探索如何在神經(jīng)網(wǎng)絡(luò)中學(xué)習(xí)這些特征。定義一個全連接的神經(jīng)網(wǎng)絡(luò)，然后將數(shù)值變量和類別變量分開處理。

對于每個類別變量：

1. 初始化一個隨機的嵌入矩陣 mxD：

• m：類別變量的不同層次(星期一、星期二……)的數(shù)量
• D：用于表示的所需的維度，這是一個可以取值 1 到 m-1 的超參數(shù)(取 1 就是標(biāo)簽編碼，取 m 就是 one-hot 編碼) 

圖 6：嵌入矩陣

2. 然后，對于神經(jīng)網(wǎng)絡(luò)中的每一次前向通過，我們都在該嵌入矩陣中查詢一次給定的標(biāo)簽(比如為「dow」查詢星期一)，這會得到一個 1xD 的向量。 

圖 7：查找后的嵌入向量

3. 將這個 1×D 的向量附加到我們的輸入向量(數(shù)值向量)上。你可以把這個過程看作是矩陣增強，其中我們?yōu)槊恳粋€類別都增加一個嵌入向量，這是通過為每一特定行執(zhí)行查找而得到的。 

4. 在執(zhí)行反向傳播的同時，我們也以梯度的方式來更新這些嵌入向量，以最小化我們的損失函數(shù)。

輸入一般不會更新，但對嵌入矩陣而言有一種特殊情況，其中我們允許我們的梯度反向流回這些映射的特征，從而優(yōu)化它們。

我們可以將其看作是一個讓類別嵌入在每次迭代后都能進(jìn)行更好的表示的過程。

注意：根據(jù)經(jīng)驗，應(yīng)該保留沒有非常高的基數(shù)的類別。因為如果一個變量的某個特定層次占到了 90% 的觀察，那么它就是一個沒有很好的預(yù)測價值的變量，我們可能最好還是避開它。

好消息

通過在我們的嵌入向量中執(zhí)行查找并允許 requires_grad=True 并且學(xué)習(xí)它們，我們可以很好地在我們最喜歡的框架(最好是動態(tài)框架)中實現(xiàn)上面提到的架構(gòu)。但 Fast.ai 已經(jīng)實現(xiàn)了所有這些步驟并且還做了更多。除了使結(jié)構(gòu)化的深度學(xué)習(xí)更簡單，這個庫還提供了很多當(dāng)前最先進(jìn)的功能，比如差異學(xué)習(xí)率、SGDR、周期性學(xué)習(xí)率、學(xué)習(xí)率查找等等。這些都是我們可以利用的功能。你可以在以下博客進(jìn)一步了解這些主題：

• https://medium.com/@bushaev/improving-the-way-we-work-with-learning-rate-5e99554f163b
• https://medium.com/@surmenok/estimating-optimal-learning-rate-for-a-deep-neural-network-ce32f2556ce0
• https://medium.com/@markkhoffmann/exploring-stochastic-gradient-descent-with-restarts-sgdr-fa206c38a74e

使用 Fast.ai 實現(xiàn)

在這一部分，我們將介紹如何實現(xiàn)上述步驟并構(gòu)建一個能更有效處理結(jié)構(gòu)化數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)。

為此我們要看看一個熱門的 Kaggle 競賽：https://www.kaggle.com/c/mercari-price-suggestion-challenge/。對于實體嵌入來說，這是一個非常合適的例子，因為其數(shù)據(jù)基本上都是類別數(shù)據(jù)，而且有相當(dāng)高的基數(shù)(也不是過高)，另外也沒有太多其它東西。

數(shù)據(jù)：

約 140 萬行

• item_condition_id：商品的情況(基數(shù)：5)
• category_name：類別名稱(基數(shù)：1287)
• brand_name：品牌名稱(基數(shù)：4809)
• shipping：價格中是否包含運費(基數(shù)：2)

重要說明：因為我已經(jīng)找到了最好的模型參數(shù)，所以我不會在這個例子包含驗證集，但是你應(yīng)該使用驗證集來調(diào)整超參數(shù)。

第 1 步：

將缺失值作為一個層次加上去，因為缺失本身也是一個重要信息。 

train.category_name = train.category_name.fillna('missing').astype('category')  
train.brand_name = train.brand_name.fillna('missing').astype('category')  
train.item_condition_id = train.item_condition_id.astype('category')  
test.category_name = test.category_name.fillna('missing').astype('category')  
test.brand_name = test.brand_name.fillna('missing').astype('category')  
test.item_condition_id = test.item_condition_id.astype('category') 

第 2 步：

預(yù)處理數(shù)據(jù)，對數(shù)值列進(jìn)行等比例的縮放調(diào)整，因為神經(jīng)網(wǎng)絡(luò)喜歡歸一化的數(shù)據(jù)。如果你不縮放你的數(shù)據(jù)，網(wǎng)絡(luò)就可能格外重點關(guān)注一個特征，因為這不過都是點積和梯度。如果我們根據(jù)訓(xùn)練統(tǒng)計對訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)都進(jìn)行縮放，效果會更好，但這應(yīng)該影響不大。這就像是把每個像素的值都除以 255，一樣的道理。

因為我們希望相同的層次有相同的編碼，所以我將訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)結(jié)合了起來。

combined_x, combined_y, nas, _ = proc_df(combined, 'price', do_scale=True) 

第 3 步：

創(chuàng)建模型數(shù)據(jù)對象。路徑是 Fast.ai 存儲模型和激活的地方。 

path = '../data/'  
md = ColumnarModelData.from_data_frame(path, test_idx, combined_x, combined_y, cat_flds=cats, bs= 128 

第 4 步：

確定 D(嵌入的維度)，cat_sz 是每個類別列的元組 (col_name, cardinality+1) 的列表。 

# We said that D (dimension of embedding) is an hyperparameter  
# But here is Jeremy Howard's rule of thumb  
emb_szs = [(c, min(50, (c+1)//2)) for _,c in cat_sz]  
# [(6, 3), (1312, 50), (5291, 50), (3, 2)] 

第 5 步：

創(chuàng)建一個 learner，這是 Fast.ai 庫的核心對象。 

params: embedding sizes, number of numerical cols, embedding dropout, output, layer sizes, layer dropouts  
m = md.get_learner(emb_szs, len(combined_x.columns)-len(cats), 

第 6 步：

這部分在我前面提及的其它文章中有更加詳細(xì)的解釋。

要充分利用 Fast.ai 的優(yōu)勢。

在損失開始增大之前的某個時候，我們要選擇我們的學(xué)習(xí)率……

# find best lrm.lr_find()# find best lrm.sched.plot() 

 
圖 9：學(xué)習(xí)率與損失圖

擬合

我們可以看到，僅僅過了 3 epoch，就得到：

lr = 0.0001m.fit(lr, 3, metrics=[lrmse]) 

更多擬合

m.fit(lr, 3, metrics=[lrmse], cycle_len=1) 

還有更多……

m.fit(lr, 2, metrics=[lrmse], cycle_len=1) 

所以，在短短幾分鐘之內(nèi)，無需進(jìn)一步的其它操作，這些簡單卻有效的步驟就能讓你進(jìn)入大約前 10% 的位置。如果你真的有更高的目標(biāo)，我建議你使用 item_description 列并將其作為多個類別變量使用。然后把工作交給實體嵌入完成，當(dāng)然不要忘記堆疊和組合。

參考文獻(xiàn)

• [1] Cheng Guo, Felix Berkhahn (2016, April, 22) Entity Embeddings of Categorical Variables. Retrieved from https://arxiv.org/abs/1604.06737.
• [2] TensorFlow Tutorials: https://www.tensorflow.org/tutorials/word2vec
• [3] Yoshua Bengio, et al. Artificial Neural Networks Applied to Taxi Destination Prediction. Retrieved from https://arxiv.org/pdf/1508.00021.pdf.