吳恩達：機器學習的六個核心算法

最近，吳恩達在其創(chuàng)辦的人工智能周訊《The Batch》上更新了一篇博文，總結了機器學習領域多個基礎算法的歷史溯源。
文章開頭，吳恩達回憶他的研究歷程中曾有一次抉擇：
多年前，在一次項目中，選擇算法時，他不得不在神經(jīng)網(wǎng)絡與決策樹學習算法之間做選擇。考慮到計算預算，他最終選擇了神經(jīng)網(wǎng)絡，在很長的一段時間內(nèi)棄用增強決策樹。
這是一個錯誤的決定，「幸好我的團隊很快修改了我的選擇，項目才成功。」吳恩達談道。
他由此感嘆，不斷學習與更新基礎知識是十分重要的。與其他技術領域一樣，隨著研究人員的增加、研究成果數(shù)量的增長，機器學習領域也在不斷發(fā)展。但有些基礎算法與核心思想的貢獻是經(jīng)得起時間考驗的：
算法：線性和邏輯回歸、決策樹等
概念：正則化、優(yōu)化損失函數(shù)、偏差/方差等
在吳恩達看來，這些算法與概念是許多機器學習模型的核心思想，包括房價預測器、文本-圖像生成器（如DALL·E）等。
在最新的這篇文章中，吳恩達與團隊調(diào)研了六種基礎算法的來源、用途、演變等，并提供了較為詳細的講解。
這六種算法分別是：線性回歸、邏輯回歸、梯度下降、神經(jīng)網(wǎng)絡、決策樹與k均值聚類算法。




1

線性回歸：直的&窄的
線性回歸是機器學習中的一個關鍵的統(tǒng)計方法，但它并非不戰(zhàn)而勝。它由兩位杰出的數(shù)學家提出，但200 年過去了，這個問題仍未解決。長期存在的爭議不僅證明了該算法具有出色的實用性，還證明了它的本質(zhì)十分簡單。
那么線性回歸到底是誰的算法呢？
1805 年，法國數(shù)學家 Adrien-Marie Legendre 發(fā)表了將一條線擬合到一組點的方法，同時試圖預測彗星的位置（天體導航是當時全球商業(yè)中最有價值的科學方向，就像今天的人工智能一樣）。
吳恩達：機器學習的六個核心算法


四年后，24 歲的德國神童 Carl Friedrich Gauss （高斯）堅稱他自 1795 年以來一直在使用它，但認為它太瑣碎了，無法寫。高斯的主張促使Legendre匿名發(fā)表了一份文章，稱“一位非常著名的幾何學家毫不猶豫地采用了這種方法。”
吳恩達：機器學習的六個核心算法

斜率和偏差：當結果與影響它的變量之間的關系遵循直線時，線性回歸很有用。例如，汽車的油耗與其重量成線性關系。
汽車的油耗 y 與其重量 x 之間的關系取決于直線的斜率 w（油耗隨重量上升的幅度）和偏置項 b（零重量時的油耗）：y=w*x+b。
在訓練期間，給定汽車的重量，算法會預測預期的油耗。它比較了預期和實際的油耗。然后，它將平方差最小化，通常通過普通最小二乘技術，磨練 w 和 b 的值。
考慮汽車的阻力可以生成更精確的預測。附加變量將線延伸到平面。通過這種方式，線性回歸可以容納任意數(shù)量的變量/維度。
普及的兩個步驟：該算法立即幫助航海者追蹤星星，以及幫助后來的生物學家（尤其是查爾斯·達爾文的堂兄Francis Galton）識別植物和動物的可遺傳特征。這兩項深入發(fā)展釋放了線性回歸的廣泛潛力。1922 年，英國統(tǒng)計學家 Ronald Fisher 和 Karl Pearson 展示了線性回歸如何適應相關性和分布的一般統(tǒng)計框架，使其在所有科學中都有用。而且，近一個世紀后，計算機的出現(xiàn)提供了數(shù)據(jù)和處理能力，可以更大程度地利用它。
應對歧義：當然，數(shù)據(jù)永遠不會被完美地衡量，有些變量比其他變量更重要。這些生活事實激發(fā)了更復雜的變體。例如，帶有正則化的線性回歸（也稱為「嶺回歸」，ridge regression）鼓勵線性回歸模型不要過多地依賴于任何一個變量，或者更確切地說，均勻地依賴于最重要的變量。如果為了簡單起見，另一種形式的正則化（L1 而不是 L2）會產(chǎn)生 lasso（壓縮估計），鼓勵盡可能多的系數(shù)為零。換句話說，它學會選擇具有高預測能力的變量并忽略其余的。彈性網(wǎng)絡結合了這兩種類型的正則化。當數(shù)據(jù)稀疏或特征看起來相關時，它很有用。
在每個神經(jīng)元中：現(xiàn)在，簡單的版本仍然非常有用。神經(jīng)網(wǎng)絡中最常見的神經(jīng)元類型是線性回歸模型，隨后是非線性激活函數(shù)，使線性回歸成為深度學習的基本組成部分。




2

邏輯回歸：跟隨曲線
曾經(jīng)有一段時間，邏輯回歸只用于對一件事進行分類：如果你喝了一瓶毒藥，你可能會被貼上的標簽是“活著”還是“死去”呢？時代變了，今天，不僅呼叫緊急服務為這個問題提供了更好的答案，而且邏輯回歸也成為了深度學習的核心。
毒物控制：
邏輯函數(shù)可以追溯到 1830 年代，當時比利時統(tǒng)計學家 P.F. Verhulst 發(fā)明它來描述人口動態(tài)：隨著時間的推移，指數(shù)增長的初始爆炸隨著它消耗可用資源而趨于平緩，從而產(chǎn)生特征邏輯曲線。一個多世紀過去后，美國統(tǒng)計學家 E. B. Wilson 和他的學生 Jane Worcester 又設計了邏輯回歸來計算給定有害物質(zhì)有多少是致命的。
吳恩達：機器學習的六個核心算法


擬合函數(shù)：邏輯回歸將邏輯函數(shù)擬合到數(shù)據(jù)集，以便預測給定事件（例如，攝入士的寧）發(fā)生特定結果（例如，過早死亡）的概率。
訓練水平調(diào)整曲線的中心位置，垂直調(diào)整曲線的中間位置，以最大限度地減少函數(shù)輸出與數(shù)據(jù)之間的誤差。
將中心調(diào)整到右側或左側意味著殺死普通人需要或多或少的毒藥。陡峭的坡度意味著確定性：在中途點之前，大多數(shù)人幸存下來；超過一半，「就只能說再見了」（死亡的意思）。緩坡更寬容：低于曲線中部，一半以上幸存；再往上，只有不到一半的人會幸存。
在一個結果和另一個結果之間設置一個閾值，比如 0.5，曲線就變成了一個分類器。只需在模型中輸入劑量，您就會知道您應該計劃聚會還是葬禮。
更多結果：Verhulst 的工作發(fā)現(xiàn)了二元結果的概率，忽略了進一步的可能性，例如中毒受害者可能會進入來世的哪一邊。他的繼任者擴展了算法：
在 1960 年代后期，英國統(tǒng)計學家 David Cox 和荷蘭統(tǒng)計學家 Henri Theil 獨立工作，對具有兩種以上可能結果的情況進行了邏輯回歸。
進一步的工作產(chǎn)生了有序邏輯回歸，其中結果是有序值。
為了處理稀疏或高維數(shù)據(jù)，邏輯回歸可以利用與線性回歸相同的正則化技術。
吳恩達：機器學習的六個核心算法


多功能曲線：邏輯函數(shù)以相當準確的方式描述了廣泛的現(xiàn)象，因此邏輯回歸在許多情況下提供了有用的基線預測。在醫(yī)學上，它可以估計死亡率和疾病風險。在政治學中，它預測選舉的贏家和輸家。在經(jīng)濟學中，它預測商業(yè)前景。更重要的是，它在各種各樣的神經(jīng)網(wǎng)絡中驅(qū)動一部分神經(jīng)元（其中非線性是 Sigmoid 函數(shù)）。




3

梯度下降：一切都在下坡
想象一下黃昏后在山上徒步旅行，發(fā)現(xiàn)腳下什么都看不到。而且您的手機電池沒電了，因此您無法使用 GPS 應用程序找到回家的路。您可能會通過梯度下降找到最快的路徑。小心不要從懸崖上走。
太陽和地毯：梯度下降比通過陡峭的地形下降更有利。1847年，法國數(shù)學家Augustin-Louis Cauchy發(fā)明了近似恒星軌道的算法。60 年后，他的同胞 Jacques Hadamard 獨立開發(fā)了它來描述薄而靈活的物體（如地毯）的變形，這可能會使膝蓋向下徒步更容易。然而，在機器學習中，它最常見的用途是找到學習算法損失函數(shù)的最低點。
吳恩達：機器學習的六個核心算法

圖注：Augustin-Louis Cauchy
向下爬：經(jīng)過訓練的神經(jīng)網(wǎng)絡提供了一個函數(shù)，該函數(shù)在給定輸入的情況下計算所需的輸出。訓練網(wǎng)絡的一種方法是通過迭代計算實際輸出與期望輸出之間的差異，然后更改網(wǎng)絡的參數(shù)值以縮小差異，從而將輸出中的損失或誤差最小化。梯度下降縮小了差異，將計算損失的函數(shù)最小化。網(wǎng)絡的參數(shù)值相當于地形上的一個位置，損失的是當前高度。隨著你的下降，你可以提高網(wǎng)絡計算接近所需輸出的能力�？梢娦允怯邢薜�，因為在典型的監(jiān)督學習情況下，該算法僅依賴于網(wǎng)絡的參數(shù)值和損失函數(shù)的梯度或斜率——即你在山上的位置和你腳下的斜率。
基本方法是向地形下降最陡的方向移動。訣竅是校準你的步幅。步幅太小，就需要很長時間才能取得進展；步幅太大，你就會跳入未知的領域，可能是上坡而不是下坡。
給定當前位置，算法通過計算損失函數(shù)的梯度來估計最快下降的方向。梯度指向上坡，那么該算法就是通過減去梯度的一小部分來以相反的方向前進。稱為學習率的分數(shù) α 決定了再次測量梯度之前的步長。
反復做這幾個步驟，希望你能到達一個山谷。恭喜！
卡在山谷里：太糟糕了，你的手機沒電了，因為算法可能沒有把你推到凸山的底部。你可能會陷入由多個山谷（局部最小值）、山峰（局部最大值）、鞍點（鞍點）和高原組成的非凸面景觀中。事實上，圖像識別、文本生成和語音識別等任務都是非凸的，并且已經(jīng)出現(xiàn)了梯度下降的許多變體來處理這種情況。例如，該算法可能具有幫助它放大小幅上漲和下跌的動量，從而使其更有可能到達底部。研究人員設計了如此多的變體，以至于看起來優(yōu)化器的數(shù)量與局部最小值一樣多。幸運的是，局部最小值和全局最小值往往大致相等。
最優(yōu)優(yōu)化器：梯度下降是尋找任一函數(shù)的最小值的明確選擇。在可以直接計算精確解的情況下——例如，具有大量變量的線性回歸任務中——它可以逼近一個值，而且通常速度更快、成本更低。但它確實在復雜的非線性任務中發(fā)揮了作用。憑借梯度下降和冒險精神，你可能可以及時趕出山區(qū)吃晚飯。