通过身边小事解释机器学习是什么？

一个给不知道机器学习是什么东西的人讲的一个挺不错的例子，方法。

今天从 quora 上看了一个问题：如何给不是 CS 的学生，给不知道机器学习和数据挖掘的学生，讲明白什么是机器学习和数据挖掘。

其中有个答案很不错，拿买芒果的例子来给大家解释。老师们也应该多用用类似的一些例子，启发下学生的思考。

=============================

买芒果

有一天，你想吃芒果了，你就到地边的小摊上去买芒果，小摊上有好多芒果啊，你可以自己用手挑芒果。挑完之后，摊主会给你称称，多少斤？根据重量来付钱。

买芒果嘛，你只要不是重口味或者口味独特，还是选择最甜的，熟透了的芒果。因为你是根据重量来付钱的，又不是根据甜的程度或者熟了的程度，虽然摊主有时候会把好的芒果挑出一堆来单独涨价，但是这里这个摊主没这么做。

你奶奶曾经告诉你说，买芒果要买金黄色的，黄橙橙黄灿灿的，这样的最甜，不要买那些浅黄色的，那些还没熟。

好吧，这样你就有了一点经验，虽然这点经验是别人直接教给你的：买芒果，就买金黄色的。你在小摊上，挑了些金黄色的，过磅付钱，回家。这事就这么完了？别急，下文。

生活没那么简单

你回家，高高兴兴吃芒果，但是你发现，并不是每个芒果都那么甜，有部分不甜啊。唉，老奶奶的经验还是不足啊，虽然吃的盐比我走的路多，但是只通过颜色判断芒果甜不甜，不是很靠谱。

你回忆回忆看看到底什么样子的芒果甜？好像是又大又金黄色的比较甜，那些小点的金黄色的芒果，得有一半是不甜的。（买了 100 个金黄色的芒果，有 50 个大的，都是甜的；另外有 50 个小的，其中有 25 个是不甜的。）

嗯，你总算总结出来一条经验规则了：大的金黄色的是最甜的，哈哈。你又高高兴兴的去买芒果。Shit，你熟悉的、你信得过的那个摊主走了。所以你得换一个小摊买芒果了，但是新的摊主的芒果是产自不同的地方，你之前总结的经验可能不行了，你不知道能不能迁移过去（transfer learning），于是你从头再开始尝试吧，发现这里小的，浅黄色的是最甜的！

一天，你表妹来找你玩，想吃芒果，但是她不在乎甜不甜，她喜欢吃多汁的。唉，以前的经验又不顶用了。你只能进行新的一轮实验，目标就是多汁的芒果（优化目标变了）。你又总结出，越软的越多汁。

你出国了读 PhD，这里的芒果跟你家乡的差别太大了，这里绿色的最好吃。PhD 毕业后，你结婚了，老婆不喜欢吃芒果，喜欢吃苹果。你积累的丰富的挑选芒果的经验规则都不行了，或许有些你可以 transfer 过去。你不得不从头再开始一轮一轮的实验尝试，看看苹果的一些特征跟好吃不好吃的关系如何？虽然这个过程很枯燥，但是你去做了，因为你爱她。

规则列表

你想把如何挑选芒果（苹果）的这些东西用程序实现出来，这样在电脑上，甚至用你的手机扫描一下，就能自动挑选出很多好吃的芒果。因为你积累了一些规则，可以这么实现：

if (color is bright yellow and size is big and sold by favorite vendor): mango is sweet.

if (soft): mango is juicy.

etc.

但是你想啊，这些规则越来越多的话，特征之间的组合啥的就越来越麻烦了，管理、使用都很麻烦。包括写程序实现啊，谁会笨到写这么多 If Then。

机器学习

机器学习算法是普通算法的进化，更加聪明和自动。看如何把选芒果的问题定义成标准的机器学习问题吧。

随机的选择了一个市场上的芒果，作为要研究的目标（training data）。你可以用一个表格描述芒果属性和类型的关系，每一行可以放一个芒果的数据，包括芒果的物理属性（feature）: 颜色、大小、形状、软硬度、产地，等等，还有这些芒果的类型（output variables）：甜度、成熟度、多汁度。然后这就是一个多分类问题，或者回归问题，自动的从数据中学习出特征与芒果类型的各种关系等。

如果你用决策树算法，那么这个模型的样子就是你的规则库了；当然你可以使用其他模型，例如线性模型，这样就是特征的线性组合了。

下次你去市场，采集了一个芒果的各个指标特征，扔进你的模型，模型告诉你这个芒果是什么类型的？熟的？多汁的？

各种方法

甚至你的选择芒果的模型，稍微变化下就可以选择苹果了，迁移学习。

甚至你的模型会随着新的样本、新芒果种类进来后，变的越来越好，增量学习。

。。。。。

有点知道机器学习什么事了么？

通过身边小事解释机器学习是什么？相关推荐

【转】通过身边小事解释机器学习是什么？
转载地址 : 通过身边小事解释机器学习是什么一个给不知道机器学习是什么东西的人讲的一个挺不错的例子,方法. 今天从quora上看了一个问题:如何给不是CS的学生,给不知道机器学习和数据挖掘的学生,讲 ...
终于有人把“可解释机器学习”讲明白了
1 为什么需要解释机器学习模型的可解释性(Interpretability)最近说得越来越多,这也是个有趣的话题.可解释性不是个新概念,很多书在介绍机器学习模型时,都会顺带提一笔这款模型的可解释性如 ...
可解释机器学习发展和常见方法！
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货来源:新智元,编辑:数据派THU 本文约2000字,建议阅读5分钟本文 ...
用XGBoost入门可解释机器学习！
Datawhale干货来源:Scott Lundberg,来源:数据派THU 本文长度为4300字,建议阅读8分钟本文为大家介绍用XGBoost解释机器学习. 这是一个故事,关于错误地解释机器学习 ...
一文读懂可解释机器学习简史，让你的模型再也不是“Black Box”
来源丨新智元编辑丨极市平台近年来,可解释机器学习(IML) 的相关研究蓬勃发展.尽管这个领域才刚刚起步,但是它在回归建模和基于规则的机器学习方面的相关工作却始于20世纪60年代.最近,arXiv上 ...
独家 | 在R中使用LIME解释机器学习模型
作者:PURVAHUILGOL 翻译:陈丹校对:欧阳锦本文约3200字,建议阅读15分钟本文为大家介绍如何在R中使用LIME来解释机器学习模型,并提供了相关代码. 关键词:机器学习模型解释.R语 ...
独家 | 用XGBoost入门可解释机器学习
作者:Scott Lundberg 翻译:和中华校对:张一然本文长度为4300字,建议阅读8分钟本文为大家介绍用XGBoost解释机器学习. 这是一个故事,关于错误地解释机器学习模型的危险以及正 ...
报名 | AI Time：“ 论道自动机器学习与可解释机器学习”
深度学习在各个领域取得了骄人的成绩,基本是舍我其谁了.之前还存在如何调参.如何选架构的问题,最近随着自动机器学习(AutoML)的快速发展,Neural architecture search(NAS ...
干货|全面介绍微软开源可解释机器学习框架InterpretML
点击上方"AI遇见机器学习",选择"星标"公众号重磅干货,第一时间送转自:机器之心起初,机器于黑暗之中学习,为解释它们,数据科学家于虚空之中挣扎. 然后, ...

通过身边小事解释机器学习是什么？

买芒果

通过身边小事解释机器学习是什么？相关推荐

最新文章

热门文章