AI講座：ML的分類方法

從上一期的內(nèi)容里[1]，您已經(jīng)觀察到了ML 具有很好的能力，可以探索出足夠好的W 和B，進(jìn)而求出足夠趨近于目標(biāo)的預(yù)測(cè)值。于是，ML 就能夠幫助人類對(duì)各種事物（的數(shù)據(jù)）進(jìn)行“分門(mén)別類”了，這就簡(jiǎn)稱為：分類（Classification）。現(xiàn)在就來(lái)說(shuō)明機(jī)器（計(jì)算機(jī)）是如何學(xué)習(xí)分類的。

1   給予目標(biāo)值：以二元分類為例

首先，由人指引機(jī)器（ML）來(lái)學(xué)習(xí)分類。也就是，人給予目標(biāo)值，而ML 則探索出足夠好的W 和B，進(jìn)而求出足夠趨近于目標(biāo)的預(yù)測(cè)值。上述目標(biāo)值又通稱為類別標(biāo)簽（Class Label）。在人們心中，先對(duì)事物進(jìn)行分類，并給各類別貼上卷標(biāo)（即目標(biāo)值），以指引（監(jiān)督）ML逐步學(xué)習(xí)分類。所以，又稱為監(jiān)督式學(xué)習(xí)（Supervised Learning）。

例如，下圖的數(shù)據(jù)表示：有6 瓶水，其溫度分別為X=[0，1，4，5，-5，-6]。此時(shí)，人們將它們區(qū)分為兩個(gè)類別（Class）：“水”與“冰”。而且人又設(shè)定了兩個(gè)目標(biāo)值：1 代表“水”，且0 代表“冰”。如下圖所示。

這時(shí)人們就可要求ML 幫忙尋找出W 和B，且希望能夠?qū)=[0, 1, 4, 5, -5, -6] 很準(zhǔn)確地對(duì)應(yīng)到目標(biāo)Z=[1，1，1，1，0，0]。上一期曾經(jīng)說(shuō)明，ML 并沒(méi)辦法直接計(jì)算出能夠滿足這個(gè)目標(biāo)的W 和B 值。但是它會(huì)逐步修正W 和B，以盡量滿足上述X=[0，1，4，5，-5，-6] 與目標(biāo)Z=[1，1，1，1，0，0] 的對(duì)應(yīng)關(guān)系（即規(guī)律）。所以，在這個(gè)范例里，Z 空間里有兩個(gè)目標(biāo)（Target）點(diǎn)。

在這個(gè)范例里，人們將事物區(qū)分為兩個(gè)類別，所以設(shè)定兩個(gè)目標(biāo)值：1 代表“水”，且0 代表“冰”。這通稱為二元分類（Binary Classification）。

2   ML逐步探索與學(xué)習(xí)

接下來(lái)ML 就逐步尋找其中的對(duì)應(yīng)規(guī)律，并利用W和B 來(lái)表達(dá)和記住它。在這一過(guò)程中，每走1 步就會(huì)衡量一次，計(jì)算出現(xiàn)在與目標(biāo)值的誤差。然后會(huì)修正W和B 來(lái)縮小與目標(biāo)值的誤差。每一次計(jì)算誤差，并進(jìn)行修正W 和B，這稱為一個(gè)回合。請(qǐng)您按下“學(xué)習(xí)分類（30 回合）”按鈕，ML 會(huì)尋找30 回合，輸出如下。

ML 找到了W 和B 值。然后將W 和B 值代入X*W+ B = Y 和Sigmoid（Y）= Z 兩個(gè)公式，計(jì)算出Z 值。例如，將X=[-6] 經(jīng)X*W+B=Y 和Sigmoid（Y）= Z 計(jì)算出來(lái)的值是Z=[0.1]，它與目標(biāo)值X=[0] 還有很大誤差。如下圖。

接著，將X 空間的6 個(gè)點(diǎn)（代表6 瓶水）都計(jì)算出其預(yù)測(cè)值，并呈現(xiàn)于Z 空間里，如下圖。

可以看出，這些預(yù)測(cè)值與其目標(biāo)值都還有相當(dāng)?shù)木嚯x（誤差）。沒(méi)關(guān)系，繼續(xù)努力修正改進(jìn)，力求止于至善?，F(xiàn)在就來(lái)（從頭）尋找300 回合看看能不能讓預(yù)測(cè)值更趨近于目標(biāo)值。

請(qǐng)您按下“學(xué)習(xí)分類（300 回合）”按鈕，ML會(huì)尋找300 回合，并且輸出如下。

ML 尋找出新的W 和B，將W 和B 值代入X*W +B = Y 和Sigmoid（Y）= Z 兩個(gè)公式，計(jì)算出Z 值。于是，計(jì)算出新的預(yù)測(cè)值X=[0.6，0.8，1，1，0，0]。也就是將X 空間的6 個(gè)點(diǎn)（代表6 瓶水）都計(jì)算出其預(yù)測(cè)值，并呈現(xiàn)于Z 空間，如下圖。

可以看出，這些預(yù)測(cè)值與其目標(biāo)值已經(jīng)更接近了，但是還是有一些誤差。沒(méi)關(guān)系，繼續(xù)努力修正改進(jìn)，力求止于至善。現(xiàn)在就來(lái)（從頭）尋找3000 回合看看能不能讓預(yù)測(cè)值更趨近于目標(biāo)值。

請(qǐng)您按下“學(xué)習(xí)分類（3000 回合）”按鈕，ML 會(huì)尋找3000 回合，并且輸出如下。

這次找到了W=0.11，B=1.77，將W 和B 值代入X*W + B = Y 和Sigmoid（Y）= Z 兩個(gè)公式，計(jì)算出Z值。于是，計(jì)算出新的預(yù)測(cè)值X=[0.9，0.9，1，1，0，0]。

可以看出，經(jīng)兩個(gè)公式計(jì)算，得出的預(yù)測(cè)值已經(jīng)足夠接近目標(biāo)值了。于是，我們就可以輸入X 值，然后經(jīng)X*W + B = Y 和Sigmoid（Y）= Z 兩個(gè)公式，計(jì)算出預(yù)測(cè)值，以判斷它歸屬于哪一個(gè)類別。

例如，針對(duì)X=[0，1，4，5] 代表的4 瓶水，觀察ML 計(jì)算出來(lái)的預(yù)測(cè)值是Z=[0.9，0.9，1，1]，都非常近于目標(biāo)值（1），所以就預(yù)測(cè)它屬于“水”類。如下圖所示。

又如，針對(duì)X=[-6，-5] 代表的2 瓶水，觀察ML計(jì)算出來(lái)的預(yù)測(cè)值是Z=[0，0]，非常近于目標(biāo)值（0），所以就預(yù)測(cè)它屬于“冰”類。如下圖所示。

以上說(shuō)明了ML 如何逐步尋找出足夠好的W和B，并依據(jù)W 和B 將X 空間的數(shù)據(jù)（以點(diǎn)表示）對(duì)應(yīng)到Z空間，而得到預(yù)測(cè)值。然后就可以觀察其預(yù)測(cè)值靠近哪個(gè)目標(biāo)值，來(lái)判斷（或預(yù)測(cè)）它屬于哪個(gè)類別。

3   測(cè)試

ML已經(jīng)逐步尋找出足夠好的W（值為1.11）和B（值為1.77），并記住了W 和B 值，也就是記住了X 空間與Z 空間的對(duì)應(yīng)關(guān)系。現(xiàn)在，就用一些測(cè)試數(shù)據(jù)來(lái)驗(yàn)證W&B 是否真的足夠好？例如，拿來(lái)另外3 瓶水，其溫度分別是：-8.5、7.2 和2。并輸入到Excel 表格中，如下圖。

請(qǐng)您按下“預(yù)測(cè)”按鈕，ML 經(jīng)X*W + B = Y 和Sigmoid（Y）= Z兩個(gè)公式，計(jì)算出Z預(yù)測(cè)值，且輸出如下。

此時(shí)，針對(duì)X=[-8.5] 所代表的水瓶，ML 計(jì)算出來(lái)的預(yù)測(cè)值是Z=[0]，所以就預(yù)測(cè)它屬于“冰”類。針對(duì)X=[7.2，2] 所代表的兩瓶水，其ML 計(jì)算出來(lái)的預(yù)測(cè)值是Z=[1，0.98]，都非常接近目標(biāo)值（1），所以就預(yù)測(cè)它屬于“水”類。于是，可以看出，這個(gè)ML 已經(jīng)學(xué)會(huì)如何分類了。

參考文獻(xiàn)：

[1] 高煥堂.ML的迭代學(xué)習(xí)過(guò)程[J].電子產(chǎn)品世界,2021(5):33-35.

（本文來(lái)源于《電子產(chǎn)品世界》雜志2021年6月期）