0
身為AI時(shí)代的程序猿，我們天生就對(duì)數(shù)據(jù)集敏感。因此，當(dāng)我們拿到一批真實(shí)數(shù)據(jù)時(shí)，激動(dòng)之情肯定溢于言表！舉例來(lái)說(shuō)，我們可能拿到了一組患者正確藥量的數(shù)據(jù)集，它長(zhǎng)成這樣：
數(shù)據(jù)集的地址：http://bit.ly/quaesita_slkid
其中每個(gè)數(shù)據(jù)點(diǎn)包括兩個(gè)部分：輸入特征是某位患者當(dāng)前的治療日（Treatment Day），而輸出結(jié)果是ta在60天療程內(nèi)應(yīng)該服用的藥物劑量，單位是毫克。身為AI工(cheng)作(xu)者(yuan)的我們，第一時(shí)間就會(huì)想到建立一個(gè)回歸模型，輔助醫(yī)生根據(jù)輸入的治療時(shí)長(zhǎng)特征，給出所推薦的藥物劑量。So easy~
但是我們把模型的事兒先放一邊，當(dāng)我們以人類的角度來(lái)利用數(shù)據(jù)，假如有個(gè)病人正在處于第2個(gè)治療日，你會(huì)怎樣為他推薦用藥劑量呢？
聰明如你肯定一眼就知道，17毫克！你看數(shù)據(jù)集里都有完全相同的場(chǎng)景嘛~ 那如果是第4個(gè)治療日呢？41毫克沒(méi)毛病呀！
那現(xiàn)在問(wèn)題來(lái)了，在這種場(chǎng)景下如果我們使用機(jī)器學(xué)習(xí)方法建立一個(gè)回歸模型，是不是更高大上、更有效呢？換句話說(shuō)，當(dāng)我們使用計(jì)算機(jī)學(xué)習(xí)這些數(shù)據(jù)模式的時(shí)候，會(huì)不會(huì)導(dǎo)致一些意想不到的問(wèn)題呢？
答案是否定滴。我們可以用最簡(jiǎn)單的“查表”模型嘛，給一個(gè)輸入，然后尋找它所對(duì)應(yīng)的取值就行了。python里建立一個(gè)dict就完事兒了。但是注意，我們只有60天的數(shù)據(jù)，如果輸入的特征取值<=60，那沒(méi)問(wèn)題，查表模型的輸出肯定完全正確。這不需要建立模型，也不需要什么高深的機(jī)器學(xué)習(xí)理論。
那在什么情況下我們需要使用機(jī)器學(xué)習(xí)呢？
當(dāng)然是輸入訓(xùn)練集中沒(méi)有的數(shù)據(jù)啦！比如說(shuō)突然來(lái)了一個(gè)正處于第61個(gè)治療日的患者，我們?cè)趺崔k？
這時(shí)候查表模型就蒙了，它沒(méi)見(jiàn)過(guò)輸入是61的情況啊，超綱了……那這種情況下我們應(yīng)該怎么做呢？抱怨運(yùn)氣不好？胡亂回復(fù)一個(gè)數(shù)字？還是像郭德綱一樣扔鞋占卜？……唔……誒？！機(jī)器學(xué)習(xí)是不是能幫我們搞定這種情況？
沒(méi)錯(cuò)兒！
但是話說(shuō)回來(lái)，如果這個(gè)輸入和輸出之間壓根兒沒(méi)什么聯(lián)系的話，機(jī)器學(xué)習(xí)也愛(ài)莫能助。就好比面對(duì)一堆毫無(wú)邏輯的隨機(jī)數(shù)據(jù)，算命先生也拿不準(zhǔn)下一個(gè)要來(lái)的是啥……
1、我們必須找到隱藏的數(shù)據(jù)模式
但是，假如說(shuō)（只是假如）數(shù)據(jù)具有固定的分布模式，而且我們還能夠找出這個(gè)模式來(lái)，那么我們就能利用這個(gè)模式來(lái)預(yù)測(cè)（或者說(shuō)……猜）第61個(gè)治療日的患者的正確用藥量了。這種情況下，機(jī)器學(xué)習(xí)才能派上用場(chǎng)。
我們要學(xué)習(xí)和尋找的數(shù)據(jù)模式一定要對(duì)未來(lái)的數(shù)據(jù)具有泛化性才行。否則我們的模型就只對(duì)已經(jīng)存在的數(shù)據(jù)擁有良好的擬合能力，但是對(duì)于未知的數(shù)據(jù)呈現(xiàn)極大的誤差，那這個(gè)模型肯定不好用。
比如說(shuō)上面的例子中，數(shù)據(jù)模式就可能分成兩種：前60天是一種模式，而從61天開(kāi)始就變成另一種模式（比如從第61天開(kāi)始所有的患者都死了或者都痊愈了，就不用服藥了）。那就算我們找最厲害的教授使用最頂級(jí)的機(jī)器學(xué)習(xí)模型和技巧，也只能讓它僅對(duì)前60的數(shù)據(jù)具有良好的預(yù)測(cè)性能，但是從61天開(kāi)始，模型對(duì)已有模式學(xué)習(xí)得再好也無(wú)濟(jì)于事。
具體了解泛化的含義，可閱讀這篇文章：https://towardsdatascience.com/the-most-powerful-idea-in-data-science-78b9cd451e72
進(jìn)一步接茬兒說(shuō)哈。如果我們的數(shù)據(jù)沒(méi)辦法表現(xiàn)出未來(lái)要發(fā)生的事情，或者說(shuō)未來(lái)的數(shù)據(jù)規(guī)則和現(xiàn)在完全不同了（也許因?yàn)橐粓?chǎng)瘟疫、地震、戰(zhàn)爭(zhēng)或者其他不可抗拒力），那我們已有的數(shù)據(jù)集質(zhì)量再高、數(shù)據(jù)模式學(xué)習(xí)得再好也沒(méi)用。籠統(tǒng)一點(diǎn)來(lái)講，如果我們研究的是這個(gè)宇宙中某個(gè)極不穩(wěn)定的某種數(shù)據(jù)，那機(jī)器學(xué)習(xí)的遍歷性和平穩(wěn)性假設(shè)就無(wú)法滿足了。這種的場(chǎng)景下所訓(xùn)練出的機(jī)器學(xué)習(xí)模型會(huì)頻頻出錯(cuò)，因?yàn)槟Ｐ涂偸菚?huì)覺(jué)得“外界數(shù)據(jù)的規(guī)則和模式穩(wěn)定不變”。
不了解遍歷性假設(shè)的同學(xué)，可參考：https://en.wikipedia.org/wiki/Ergodicity
不了解平穩(wěn)性假設(shè)的同學(xué)，可參考：https://bit.ly/stationaritya
這里說(shuō)的不平穩(wěn)性不是指在局外人眼中的那種主觀的不平穩(wěn)現(xiàn)象，比如商品的均價(jià)隨著時(shí)間而逐漸增加，這是由于通貨膨脹的原因。像通脹這種平穩(wěn)的、可以學(xué)習(xí)的不穩(wěn)定性，是能夠通過(guò)時(shí)間序列分析技術(shù)來(lái)解決的。我們這里所說(shuō)的不平穩(wěn)性是指由于各種變故或不可抗拒因素而導(dǎo)致的突發(fā)事件。
這種不平穩(wěn)性是一種粗暴的、毫無(wú)章法的現(xiàn)象。對(duì)于這種問(wèn)題我們無(wú)可奈何，因?yàn)樗陌l(fā)生不以你的意志為轉(zhuǎn)移，它客觀而不羈地發(fā)生著、存在著，我們所處的次元規(guī)則系統(tǒng)完全不同。它就像個(gè)顯示屏壞了的定時(shí)炸彈，你根本不知道它什么時(shí)候改變自己的數(shù)據(jù)模式，也不知道它什么時(shí)候爆炸。
所以在這種情況下，我們可能費(fèi)盡千辛萬(wàn)苦學(xué)習(xí)到了已有的模式，但是一夜之間啥都變了，規(guī)則不是以前的規(guī)則了，你大爺也不是以前的大爺了……如此一來(lái)，模型的性能肯定會(huì)大打折扣（根本不能用了好不好）。
4、如果一切順利的話！
但是如果數(shù)據(jù)集中的樣本模式具有極好的泛化性，它又能穩(wěn)定的表達(dá)出未來(lái)將要發(fā)生的事情，那就太棒了！這時(shí)候就別猶豫了，盡情利用機(jī)器學(xué)習(xí)方法尋找已有數(shù)據(jù)中的樣本模式吧！然后一切水到渠成~別說(shuō)第61天的劑量，就算是第661天的數(shù)據(jù)我們都能給你預(yù)測(cè)出來(lái)！
找到并且利用數(shù)據(jù)集中隱藏的樣本模式是機(jī)器學(xué)習(xí)的關(guān)鍵。
機(jī)器學(xué)習(xí)和人工智能技術(shù)不是用來(lái)重復(fù)已經(jīng)見(jiàn)過(guò)的例子。對(duì)于已有數(shù)據(jù)的重復(fù)就是查表而已，搜索一下數(shù)據(jù)庫(kù)就能解決，殺雞焉用宰牛刀？記住，機(jī)器學(xué)習(xí)是用來(lái)學(xué)習(xí)數(shù)據(jù)中隱藏的數(shù)據(jù)模式的。
重復(fù)已有的答案算什么本事？機(jī)器學(xué)習(xí)能對(duì)沒(méi)見(jiàn)過(guò)的新情況進(jìn)行解決！
程序猿可能會(huì)問(wèn)，事兒都讓你干了，那我的任務(wù)是啥？答案很簡(jiǎn)單，就是構(gòu)建一個(gè)成功又通用的解決方案。你問(wèn)我啥叫成功？
我曾寫了一整篇文章來(lái)討論這個(gè)問(wèn)題：https://medium.com/hackernoon/the-decision-makers-guide-to-starting-ai-72ee0d7044df
模型說(shuō)，這不是貓！
換句話說(shuō)，如果我們的模型無(wú)法處理已有數(shù)據(jù)集中沒(méi)見(jiàn)過(guò)的新樣本，那它就很失敗了。新樣本再奇怪也是按照固定模式分布的，它不會(huì)打破數(shù)據(jù)的平穩(wěn)性假設(shè)，它充其量會(huì)讓學(xué)到的模式有所偏移。
機(jī)器學(xué)習(xí)不是鸚鵡學(xué)舌，死記硬背已有數(shù)據(jù)集是沒(méi)用的。機(jī)器學(xué)習(xí)的魅力和強(qiáng)大之處在于，它能夠從已有數(shù)據(jù)中概括和抽象出數(shù)據(jù)背后的規(guī)則，從而普適地應(yīng)用于新的場(chǎng)景。
所以咱們啰嗦了這么半天，如果這時(shí)候你遇到了一個(gè)已有數(shù)據(jù)集中未曾出現(xiàn)的樣本（比如第61個(gè)治療日的樣本），你會(huì)怎么給出結(jié)果呢？
當(dāng)然是先從已有數(shù)據(jù)集中總結(jié)樣本的模式，然后根據(jù)這個(gè)模式做出一個(gè)合理的預(yù)測(cè)了！
但是機(jī)器學(xué)習(xí)也是有自己的專屬職責(zé)的，你訓(xùn)練它干什么，它就能夠也只能夠做這個(gè)任務(wù)。就比如當(dāng)我們使用了上千張動(dòng)物照片訓(xùn)練了一個(gè)區(qū)分貓（就是根據(jù)輸入圖片判斷是不是喵星人）的分類器，那么當(dāng)我們輸入一個(gè)新樣本的時(shí)候，它就能告訴我們圖片中是否包括貓咪。但是如果你想讓它告訴你這個(gè)輸入的圖片是不是畢加索的真跡的時(shí)候，少年你就想多了……
當(dāng)我們說(shuō)起機(jī)器學(xué)習(xí)的時(shí)候，你的朋友或者老師通常會(huì)故作高深地跟你說(shuō)，它是一個(gè)事件標(biāo)簽的標(biāo)記者，或者是一種人類規(guī)則代碼的高級(jí)取代者。云里霧里……為了讓你更容易的理解機(jī)器學(xué)習(xí)，我們換個(gè)角度對(duì)其進(jìn)行介紹。
機(jī)器學(xué)習(xí)是一個(gè)全自動(dòng)的決策器，它的功能包括對(duì)數(shù)據(jù)模式的學(xué)習(xí)（總結(jié)大師），以及應(yīng)用該模式對(duì)新數(shù)據(jù)進(jìn)行判別和預(yù)測(cè)（執(zhí)行大師）。
當(dāng)你不知道機(jī)器學(xué)習(xí)方法是否適用于你研究的問(wèn)題時(shí)，可以仔細(xì)看看下面這三篇文章~
Is your ML/AI project a nonstarter? A 22-item reality check(list)，http://bit.ly/quaesita_realitycheck
Advice for finding ML/AI use cases，http://bit.ly/quaesita_island
Getting started with ML/AI? Start here! http://bit.ly/quaesita_dmguide
3
所以兜了這么大的圈子之后，第61天到底應(yīng)該讓患者吃多少藥呀？其實(shí)在我上面給出的這個(gè)看似雜亂無(wú)章的例子中隱藏著一個(gè)十分穩(wěn)定的數(shù)據(jù)模式。你問(wèn)我怎么知道的，當(dāng)然了，這數(shù)據(jù)集是我編的我肯定知道哈哈哈。這個(gè)模式……嗯……就是我將腦袋里突然蹦出的那個(gè)最大的數(shù)+1……（作者可真欠揍）我之所以這么做，是因?yàn)槲野l(fā)現(xiàn)處理這些具有很強(qiáng)變數(shù)的數(shù)據(jù)是一種樂(lè)趣（更欠揍了?。?。
雖然數(shù)據(jù)的模式很奇葩，但這也不失為一種數(shù)據(jù)產(chǎn)生的模式。對(duì)于那些喜歡挑戰(zhàn)的小盆友，你們不妨試試多用幾種機(jī)器學(xué)習(xí)算法來(lái)找出這套看似十分隨機(jī)的數(shù)據(jù)集中的模式，說(shuō)不定你們就能研發(fā)出一套針對(duì)我的讀心術(shù)模型呢~來(lái)來(lái)來(lái)，留言區(qū)告訴我你們覺(jué)得第61天應(yīng)該用多少劑量呢?。ê闷诖?，因?yàn)槲疫€沒(méi)有編出來(lái)呢）
我知道肯定有不少人會(huì)使用傳統(tǒng)的統(tǒng)計(jì)分析學(xué)方法來(lái)給出的答案，但是你開(kāi)心就好~黑貓白貓，抓到老鼠的就是好貓~ 雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
想要了解統(tǒng)計(jì)分析方法和機(jī)器學(xué)習(xí)的區(qū)別請(qǐng)戳這里：http://bit.ly/quaesita_history2
via https://towardsdatascience.com/when-not-to-use-machine-learning-or-ai-8185650f6a29
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
