通过本篇文章大家可以对ML的常用算法形成常识性的认识。没有代码,没有复杂的理论推导,仅是图解,介绍这些算法是什么以及如何应用(例子主要是分类问题)。
今天的算法如下:
- 1、决策树
- 2、随机森林算法
- 3、逻辑回归
- 4、SVM
- 5、朴素贝叶斯
- 6、K 最近邻算法
- 7、K 均值算法
- 8、Adaboost 算法
- 9、神经网络
- 10、马尔可夫
1. 决策树
根据一些 feature 进行分类,每个节点提一个问题,通过判断,将数据分为两类,再继续提问。这些问题是根据已有数据学习出来的,再投入新数据的时候,就可以根据这棵树上的问题,将数据划分到合适的叶子上。
轻松看懂机器学习十大常用算法
2. 随机森林
在源数据中随机选取数据,组成几个子集。
S 矩阵是源数据,有 1-N 条数据,A B C 是 feature,最后一列 C 是类别。
轻松看懂机器学习十大常用算法
由 S 随机生成 M 个子矩阵。
轻松看懂机器学习十大常用算法
这 M 个子集得到 M 个决策树。
将新数据投入到这 M 个树中,得到 M 个分类结果,计数看预测成哪一类的数目最多,就将此类别作为最后的预测结果。
轻松看懂机器学习十大常用算法
3. 逻辑回归
当预测目标是概率这样的,值域需要满足大于等于0,小于等于1的,这个时候单纯的线性模型是做不到的,因为在定义域不在某个范围之内时,值域也超出了规定区间。
轻松看懂机器学习十大常用算法
所以此时需要这样的形状的模型会比较好。
轻松看懂机器学习十大常用算法
那么怎么得到这样的模型呢?
这个模型需要满足两个条件大于等于0,小于等于1。
大于等于0的模型可以选择绝对值,平方值,这里用指数函数,一定大于0。
小于等于1用除法,分子是自己,分母是自身加上1,那一定是小于1的了。
轻松看懂机器学习十大常用算法
再做一下变形,就得到了 logistic regression 模型。
轻松看懂机器学习十大常用算法
通过源数据计算可以得到相应的系数了。
轻松看懂机器学习十大常用算法
最后得到 logistic 的图形。
轻松看懂机器学习十大常用算法
4. SVM
support vector machine。
要将两类分开,想要得到一个超平面,最优的超平面是到两类的 margin 达到最大,margin 就是超平面与离它最近一点的距离,如下图,Z2>Z1,所以绿色的超平面比较好。
轻松看懂机器学习十大常用算法
将这个超平面表示成一个线性方程,在线上方的一类,都大于等于1,另一类小于等于-1。
轻松看懂机器学习十大常用算法
点到面的距离根据图中的公式计算。
轻松看懂机器学习十大常用算法
所以得到 total margin 的表达式如下,目标是最大化这个 margin,就需要最小化分母,于是变成了一个优化问题。
举个例子,三个点,找到最优的超平面,定义了 weight vector=(2,3)-(1,1)。
轻松看懂机器学习十大常用算法
得到 weight vector 为(a,2a),将两个点代入方程,代入(2,3)另其值=1,代入(1,1)另其值=-1,求解出 a 和 截矩 w0 的值,进而得到超平面的表达式。
轻松看懂机器学习十大常用算法
a 求出来后,代入(a,2a)得到的就是 support vector。
a 和 w0 代入超平面的方程就是 support vector machine。
5. 朴素贝叶斯
举个在 NLP 的应用。
给一段文字,返回情感分类,这段文字的态度是positive,还是negative。
轻松看懂机器学习十大常用算法
为了解决这个问题,可以只看其中的一些单词。
轻松看懂机器学习十大常用算法
这段文字,将仅由一些单词和它们的计数代表。
轻松看懂机器学习十大常用算法
原始问题是:给你一句话,它属于哪一类。
通过 bayes rules 变成一个比较简单容易求得的问题。
问题变成,这一类中这句话出现的概率是多少,当然,别忘了公式里的另外两个概率。
举例:单词 love 在 positive 的情况下出现的概率是0.1,在 negative 的情况下出现的概率是0.001。
6. K 最近邻
k nearest neighbours。
给一个新的数据时,离它最近的 k 个点中,哪个类别多,这个数据就属于哪一类。
举例:要区分猫和狗,通过 claws 和 sound 两个feature来判断的话,圆形和三角形是已知分类的了,那么这个 star 代表的是哪一类呢。
轻松看懂机器学习十大常用算法
k=3时,这三条线链接的点就是最近的三个点,那么圆形多一些,所以这个 star 就是属于猫。
轻松看懂机器学习十大常用算法
7. K 均值
想要将一组数据,分为三类,粉色数值大,黄色数值小。
最开心先初始化,这里面选了最简单的 3,2,1 作为各类的初始值。
剩下的数据里,每个都与三个初始值计算距离,然后归类到离它最近的初始值所在类别。
轻松看懂机器学习十大常用算法
分好类后,计算每一类的平均值,作为新一轮的中心点。
轻松看懂机器学习十大常用算法
几轮之后,分组不再变化了,就可以停止了。
轻松看懂机器学习十大常用算法
轻松看懂机器学习十大常用算法
8. Adaboost
adaboost 是 bosting 的方法之一。
bosting就是把若干个分类效果并不好的分类器综合起来考虑,会得到一个效果比较好的分类器。
下图,左右两个决策树,单个看是效果不怎么好的,但是把同样的数据投入进去,把两个结果加起来考虑,就会增加可信度。
轻松看懂机器学习十大常用算法
adaboost 的栗子,手写识别中,在画板上可以抓取到很多 features,例如始点的方向,始点和终点的距离等等。
轻松看懂机器学习十大常用算法
training 的时候,会得到每个 feature 的 weight,例如2和3的开头部分很像,这个 feature 对分类起到的作用很小,它的权重也就会较小。
轻松看懂机器学习十大常用算法
而这个 alpha 角 就具有很强的识别性,这个 feature 的权重就会较大,最后的预测结果是综合考虑这些 feature 的结果。
轻松看懂机器学习十大常用算法
9. 神经网络
Neural Networks 适合一个 input 可能落入至少两个类别里。
NN 由若干层神经元,和它们之间的联系组成。
第一层是 input 层,最后一层是 output 层。
在 hidden 层 和 output 层都有自己的 classifier。
轻松看懂机器学习十大常用算法
input 输入到网络中,被激活,计算的分数被传递到下一层,激活后面的神经层,最后 output 层的节点上的分数代表属于各类的分数,下图例子得到分类结果为 class 1。
同样的 input 被传输到不同的节点上,之所以会得到不同的结果是因为各自节点有不同的 weights 和 bias。
这也就是 forward propagation。
轻松看懂机器学习十大常用算法
10. 马尔可夫
Markov Chains 由 state 和 transitions 组成。
栗子,根据这一句话‘the quick brown fox jumps over the lazy dog’,要得到 markov chain。
步骤,先给每一个单词设定成一个状态,然后计算状态间转换的概率。
轻松看懂机器学习十大常用算法
这是一句话计算出来的概率,当你用大量文本去做统计的时候,会得到更大的状态转移矩阵,例如 the 后面可以连接的单词,及相应的概率。
轻松看懂机器学习十大常用算法
生活中,键盘输入法的备选结果也是一样的原理,模型会更高级。
轻松看懂机器学习十大常用算法
Tags
最新内容
- 4 hours ago
- 4 hours 39 minutes ago
- 3 days 5 hours ago
- 3 days 18 hours ago
- 5 days 5 hours ago
- 5 days 23 hours ago
- 5 days 23 hours ago
- 5 days 23 hours ago
- 5 days 23 hours ago
- 5 days 23 hours ago