机器学习概述

常见机器学习任务

数据

数据通常以二维数据形式给出

– 每一行:一个样本

– 每一列:一个属性/特征

例:纽约公寓租赁数据

监督学习

学习到一个x->y的映射，从而对数输入的x进行预测

- 训练数据中包含要预测的标签

- 标签在训练数据中是可见变量

- 函数逼近

- 包含分类、回归（线性回归）、决策树（非线性）、排序

（样本函数，输入及输出）

非监督学习

发现数据中“有意思的模式”，是知识的发现

- 训练集中不包含标签

- 标签在训练集中是隐含变量

- 聚类、降纬、概率密度估计

（样本函数，只有输入没有输出y，因为y需要自己预测）

增强学习

增强学习:从行为的反馈(奖励或惩罚)中学习

- 设计一个回报函数(reward function),如果learning agent(如机 器人、回棋AI程序)在决定一步后,获得了较好的结果,那么我 们给agent一些回报(比如回报函数结果为正),得到较差的结果, 那么回报函数为负

–  增强学习的任务:找到一条回报值最大的路径

监督学习——分类

学习从输入x到输出y之间的映射函数

（分类函数，函数逼近）

- armax代表根据x预测y标签概率最大时y的值,参照：https://baike.baidu.com/item/argmax/6034072?fr=aladdin

- 给定训练数据D和输入x的情况下，输出为c的条件最大概率（代指最佳训练模型）

- y为离散值

如信用评级的例子：

输入值：

监督学习——回归

学习从输入x到输出y之间的映射函数

（分类函数）

- y属于线性数据

如预测二手车价格的例子

- 输入/协变量x：车辆属性

- 输出y: 车子价格

非监督学习——聚类

（分类函数）

训练完成后会生成K*个类别

获取样本所属类别，i代表第i个样本所属于的类别，为隐含变量

半监督学习：根据带标签数据及不带标签数据进行分类

如：标记3D姿态

机器学习入门案例：波士顿房价预测

尝试一：假定房价与输入特征之间是线性关系

分类函数：

在线性回归模型中w为模型参数

一个特征属性：LSTAT

y=-0.73726292*LSTAT

训练集上性能:0.52929733（我们把>=0.6以上结果表示拟合）

测试集上性能:0.54355661

测试结果:欠拟合训练集上的性能和测试集上性能都不好,且二者差 异不大

二个特征属性：LSTAT、RM

y = 0.40574 * RM - 0.49767371 * LSTAT

• 训练集上性能:0. 65077857

• 测试集上性能:0.55982473

所有特征属性：

y = -0.08508323 ́CRIM+...0.36499271 ́RM+...-0.39541583 ́LSTAT

训练集上性能:0. 74514483

测试集上性能:0.69029595

使用11个特征

使用特征: CRIM、ZN、INDUS、CHAS、NOX、RM、 DIS、RAD、TAX、PTRATIO、B、LSTAT

– 去掉INDUS和AGE特征

模型为:

y = -0.07849129 ́CRIM+...0.31939438 ́RM+...-0.43518032 ́LSTAT

训练集上性能:0. 74076715

测试集上性能:0.69173467

特征多不一定准确率高

尝试二：决策树（输入特征与房价为非线性关系）

树的最大深度max_depth:1~10

10折交叉验证结果：

机器学习任务的一般步骤

模型

对给定的输入x，如何预测其标签y

- 不同模型对数据的假设不同

- 最简单的模型线性模型

- 确定模型类别后，模型训练转化为求解模型参数

求解模型参数wj：目标函数最小化（即wj 最小？）

目标函数（重点）

目标函数通常包含两项:损失函数和正则项，目前尚不清楚它存在的意义

损失函数——回归

损失函数——分类

正则项

常用正则函数

常见线性模型的损失和正则项组合

非线性模型

模型训练

模型选择与模型评估

K折交叉验证

模型选择