深度學習、機器學習、人工智能——這些流行詞皆代表了分析學的未來。在這篇文章中，我們將通過一些真實世界的案例來解釋什么是機器學習和深度學習。在以后的文章中，我們將探索垂直用例。這樣做的目的不是要把你變成一個數(shù)據(jù)科學家，而是讓你更好地理解你可以用機器學習做什么。開發(fā)人員能越來越容易地使用機器學習，數(shù)據(jù)科學家時常與領域?qū)＜?、架?gòu)師、開發(fā)人員和數(shù)據(jù)工程師一起工作，因此，詳細了解機器學習的可能性對每個人來說都很重要。你的業(yè)務產(chǎn)生的每一條信息都有增加價值的潛力。這篇和以后的文章旨在激發(fā)你對自己數(shù)據(jù)的回顧，以發(fā)現(xiàn)新的機會。

[[350183]]

什么是人工智能?

縱觀人工智能的歷史，其定義被不斷重寫。人工智能是一個概括性術語(這個概念始于50年代);機器學習是AI的子集，而深度學習又是機器學習的子集。

1985年，當我還是美國國家安全局的實習生時，人工智能也是一個非常熱門的話題。在美國國家安全局，我甚至上了一節(jié)麻省理工關于人工智能專家系統(tǒng)的視頻課程。專家系統(tǒng)在規(guī)則引擎中捕獲專家的知識。規(guī)則引擎在金融和醫(yī)療保健等行業(yè)中有廣泛的應用，最近更是用于事件處理，但是當數(shù)據(jù)發(fā)生變化時，規(guī)則的更新和維護會變得異常困難。機器學習的優(yōu)勢在于從數(shù)據(jù)中學習，并且可以提供數(shù)據(jù)驅(qū)動的概率預測。

在過去10年里，分析學發(fā)生了怎樣的變化?

根據(jù)《哈佛商業(yè)評論》的托馬斯•達文波特，分析技術過去十年里發(fā)生了翻天覆地的變化，跨商用服務器功能更強大、成本更低的分布式計算，流媒體分析、改進的機器學習技術，都使企業(yè)能夠存儲和分析更多的、不同類型的數(shù)據(jù)。

類似Apache Spark這樣的技術使用迭代算法，通過在內(nèi)存中跨迭代緩存數(shù)據(jù)并使用更輕量級的線程，進一步加速了分布式數(shù)據(jù)的并行處理。

圖形處理單元(GPUs)加快了多核服務器的并行處理速度。GPU擁有一個由數(shù)千個更小、更高效的核心組成的大規(guī)模并行架構(gòu)，這些核心專門設計用于同時處理多任務，而CPU由幾個為順序串行處理而優(yōu)化的核心組成。就潛在的性能而言，從Cray -1進化到如今擁有大量GPU的集群，其性能提升大約是曾經(jīng)世界上最快計算機的100萬倍，而成本卻只有其極小一部分。

什么是機器學習?

機器學習使用算法在數(shù)據(jù)中發(fā)現(xiàn)模式，然后使用一個能識別這些模式的模型對新的數(shù)據(jù)進行預測。

一般來說，機器學習可以分為三種類型：監(jiān)督型、非監(jiān)督型、介于兩者之間。監(jiān)督學習算法使用標記數(shù)據(jù)，而非監(jiān)督學習算法在未標記數(shù)據(jù)中發(fā)現(xiàn)模式。半監(jiān)督學習使用標記數(shù)據(jù)和未標記數(shù)據(jù)的混合。強化學習訓練算法在反饋的基礎上最大化獎勵。

監(jiān)督學習

監(jiān)督算法使用標記數(shù)據(jù)，這些數(shù)據(jù)的輸入和目標的結(jié)果或標簽都會提供給算法。

監(jiān)督學習也被稱為預測建模或預測分析，因為你建立了一個能夠做出預測的模型。預測建模的一些例子是分類和回歸。分類根據(jù)已知項的已標記示例(例如，已知是否為欺詐的交易)來識別一個項屬于哪個類別(例如，某交易是否為欺詐)。邏輯回歸預測了一個概率——例如，欺詐的概率。線性回歸預測一個數(shù)值——例如，欺詐的數(shù)量。

一些分類的例子包括：

• 信用卡欺詐檢測(欺詐，不是欺詐)。
• 信用卡申請(良好信用，不良信用)。
• 垃圾郵件檢測(垃圾郵件，不是垃圾郵件)。
• 文字情緒分析(快樂，不快樂)。
• 預測患者風險(高風險患者、低風險患者)。
• 惡性或非惡性腫瘤的分類。

邏輯回歸(或其他算法)的一些例子包括：

• 根據(jù)歷史汽車保險欺詐性索賠以及這些索賠的特征，例如索賠人的年齡、索賠金額、事故嚴重程度等，預測欺詐發(fā)生的概率。
• 給定患者特征，預測充血性心力衰竭的概率。

So線性回歸的一些例子包括：

• 根據(jù)歷史汽車保險欺詐性索賠以及這些索賠的特征，如索賠人的年齡、索賠金額、事故的嚴重程度等，預測欺詐金額。
• 根據(jù)歷史房地產(chǎn)銷售價格和房屋特征(如平方英尺，臥室數(shù)量，位置)，預測房子的價格。
• 根據(jù)歷史上的社區(qū)犯罪統(tǒng)計，預測犯罪率。

這里還有其他的監(jiān)督和非監(jiān)督學習算法，我們不會一一介紹，但我們會詳細介紹每類中的一個。

分類示例 ：借記卡詐騙

分類選用一組具有已知標簽和預先確定特性的數(shù)據(jù)，并學習如何根據(jù)這些信息標記新數(shù)據(jù)。特性是你問的“是否”問題。標簽就是這些問題的答案。

讓我們看一個借記卡詐騙的示例。

我們想要預測什么?

• 某一筆借記卡交易是否為欺詐。
• 欺詐是標簽(對或錯)。

你可以用來進行預測的“ 是否 ”問題或?qū)傩允鞘裁?

• 今天花費的金額是否大于歷史平均水平?
• 今天的這些交易是否在多個國家?
• 今天的交易數(shù)量是否大于歷史平均水平?
• 今天的新商戶類型與過去三個月相比是否較高?
• 今天是否在多個帶有風險類別代碼的商家處購買?
• 今天是否有不尋常的簽名與以往使用PIN相比?
• 與過去三個月相比，是否有新的購買行為?
• 與過去三個月相比，現(xiàn)在是否有國外購買?

要構(gòu)建分類器模型，你需要提取對分類最有貢獻的有用特性。

決策樹

決策樹創(chuàng)建一個基于輸入特征預測類或標簽的模型。它的工作原理在于評估每個節(jié)點上包含一個特征的問題，然后根據(jù)答案選擇到下一個節(jié)點的分支。預測借記卡欺詐的可能決策樹如下所示。特性問題是節(jié)點，答案“是”或“否”是樹中到子節(jié)點的分支。(注意，真正的樹會有更多的節(jié)點。)

問題一：24小時內(nèi)的花費是否大于平均?

• 是

問題2：今天是否有多筆交易來自高風險的商家?

• 是欺詐概率 = 90%
• 非欺詐概率 = 50%

決策樹很受歡迎，因為它們易于可視化和解釋。將算法與集成方法相結(jié)合，可以提高模型的精度。一個集成例子是一個隨機森林算法，它結(jié)合了決策樹的多個隨機子集。

無監(jiān)督學習

無監(jiān)督學習，有時也被稱為描述分析，沒有預先提供的標記數(shù)據(jù)。這些算法發(fā)現(xiàn)輸入數(shù)據(jù)中的相似性或規(guī)律。無監(jiān)督學習的一個例子是基于購買數(shù)據(jù)對相似的客戶進行分組。

聚類

在聚類中，一個算法通過分析輸入實例之間的相似性將它們分類。一些聚類用例包括:

• 搜索結(jié)果分組。
• 分組相似客戶。
• 分組相似病人。
• 文本分類。
• 網(wǎng)絡安全異常檢測(發(fā)現(xiàn)不相似之處，集群中的異常值)。

K均值算法將數(shù)據(jù)分組到K個集群中，每個數(shù)據(jù)都屬于離其集群中心均值最近的集群。

聚類的一個例子是，一個公司希望細分其客戶，以便更好地定制產(chǎn)品和服務?？蛻艨梢砸罁?jù)比如人口統(tǒng)計和購買歷史記錄等特征被分組。為了得到更有價值的結(jié)果，無監(jiān)督學習的聚類常常與有監(jiān)督學習相結(jié)合。例如，在這個banking customer 360用例中，首先根據(jù)問卷答案對客戶進行細分。接著對客戶群體進行分析，并標上用戶畫像。然后，這些標簽通過客戶ID與賬戶類型和購買內(nèi)容等特性進行鏈接。最后，我們在被標簽的客戶身上應用了監(jiān)督機器學習，允許將調(diào)查用戶畫像與他們的銀行行為聯(lián)系起來，以提供深入的見解。

深度學習

深度學習用來稱呼多層神經(jīng)網(wǎng)絡，它是由輸入和輸出之間的節(jié)點“隱含層”組成的網(wǎng)絡。神經(jīng)網(wǎng)絡有許多變種，你可以在這個神經(jīng)網(wǎng)絡備忘單上了解更多。改進的算法、GPUs和大規(guī)模并行處理(MPP)使得具有數(shù)千層的神經(jīng)網(wǎng)絡成為可能。每個節(jié)點接受輸入數(shù)據(jù)和一個權重，然后向下一層的節(jié)點輸出一個置信值，直到到達輸出層，計算出該置信值的誤差。通過在一個叫做梯度下降的過程中進行反向傳播，誤差會再次通過網(wǎng)絡發(fā)送回來，并調(diào)整權值來改進模型。這個過程重復了數(shù)千次，根據(jù)產(chǎn)生的誤差調(diào)整模型的權值，直到誤差不無法再減少為止。

在此過程中，各層學習模型的最優(yōu)特征，其優(yōu)點是特征不需要預先確定。然而，這也意味著一個缺點，即模型的決策是不可解釋的。由于解釋決策可能很重要，研究人員正在開發(fā)新的方法來理解深度學習這個黑盒子。

本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請至雷鋒網(wǎng)官網(wǎng)申請授權。