[ 導讀 ]雖然在Coursera、MIT、UC伯克利上有很多機器學習的課程，包括吳恩達等專家課程已非常經典，但都是面向有一定理科背景的專業人士。本文試圖將機器學習這本深奧的課程，以更加淺顯易懂的方式講出來，讓沒有理科背景的讀者都能看懂。
把複雜的東西簡單化，讓非專業人士也能短時間內理解，並露出恍然大悟的表情，是一項非常厲害的技能。
舉個例子。你正在應聘機器學習工程師，面對的是文科出身的HR，如果能在最短時間內讓她瞭解你的專業能力，就能極大地提升面試成功率。
現在，機器學習這麼火，想入行的人越來越多，然而被搞糊塗的人也越來越多。因為大眾很難理解機器學習是幹嗎的？那些神秘拗口的概念，比如邏輯迴歸、梯度下降到底是什麼？
一個23歲的藥物學專業的學生說，當他去參加機器學習培訓課程的時候，感覺自己就家裡那位不懂現代科技的奶奶。
於是一名叫Audrey Lorberfeld的畢業生，試圖將大眾與機器學習之間的鴻溝，親手填補上。於是有了這個系列文章。
本系列第一講：
- 梯度下降
- 線性迴歸
- 邏輯迴歸
算法 vs 模型
在理解開始瞭解機器學習之前，我們需要先搞懂兩個基礎概念：算法和模型。
我們可以把模型看做是一個自動售貨機，輸入（錢），輸出（可樂）。算法是用來訓練這個模型的，
模型根據給定的輸入，做出對應的決策獲得預期輸出。例如，一個算法根據投入的金額，可樂的單價，判斷錢夠不夠，如果多了該找多少錢。
總而言之，算法是模型背後的數學生命力。沒有模型，算法只是一個數學方程式。模型的不同，取決於用的算法的不同。
梯度下降/最佳擬合線
（雖然這個傳統上並不被認為是一種機器學習算法，但理解梯度對於瞭解有多少機器學習算法可用，及如何優化至關重要。）梯度下降幫助我們根據一些數據，獲得最準確的預測。
舉個例子。你有一個大的清單，列出每個你認識的人身高體重。然後做成下面這種分佈圖：
圖上面的數字比較奇怪？不用在意這些細節。
現在，小區居委會要舉辦一個根據身高猜體重的比賽，贏的人發紅包。就用這張圖。你怎麼辦？
你可能會想在圖上畫一根線，這個線非常完美的給出了身高和體重的對應關係。
比如，根據這條完美線，身高1.5米的人體重基本在60斤左右。啊那麼，這根完美線是怎麼找出來呢？答：梯度下降。
我們先提一個概念叫RSS（the residual sum of squares）。RSS是點和線之間差異的平方和，這個值代表了點和線的距離有多遠。梯度下降就是找出RSS的最小值。
我們把每次為這根線找的不同參數進行可視化，就得到了一個叫做成本曲線的東西。這個曲線的地步，就是我們的RSS最小值。
Gradient Descent可視化（使用MatplotLib）
來自不可思議的數據科學家Bhavesh Bhatt
梯度下降還有其他的一些細分領域，比如“步長”和“學習率”（即我們想要採取什麼方向到底部的底部）。
總之，我們通過梯度下降找到數據點和最佳擬合線之間最小的空間；而最佳你和線是我們做預測的直接依據。
線性迴歸
線性迴歸是分析一個變量與另外一個或多個變量（自變量）之間，關係強度的方法。
線性迴歸的標誌，如名稱所暗示的那樣，即自變量與結果變量之間的關係是線性的，也就是說變量關係可以連城一條直線。
這看起來像我們上面做的！這是因為線性迴歸中我們的“迴歸線”之前的最佳實踐線。最佳擬合線顯示了我們的點之間最佳的線性關係。反過來，這使我們能夠做出預測。
關於線性迴歸的另一個重點是，結果變量或“根據其他變量而變化的”變量（有點繞哈）總是連續的。但這意味著什麼？
假設我們想測量一下紐約州影響降雨的因素：結果變量就是降雨量，就是我們最關係的東西，而影響降水的自變量是海拔。
如果結果變量不是連續的，就可能出現在某個海拔，沒有結果變量，導致我們沒辦法做出預測。
反之，任意給定的海拔，我們都可以做出預測。這就是線性迴歸最酷的地方！
嶺迴歸與LASSO迴歸
現在我們知道什麼是線性迴歸，接下來還有更酷的，比如嶺迴歸。在開始理解嶺迴歸之前，我們先來了解正則化。
簡單地說，數據科學家使用正則化，確保模型只關注能夠對結果變量產生顯著影響的自變量。
但是那些對結果影響不顯著的自變量會被正則忽略嗎？當然不會！原因我們後面再展開細講。
原則上，我們創建這些模型，投餵數據，然後測試我們的模型是否足夠好。
如果不管自變量相關也好不相關都投餵進去，最後我們會發現模型在處理訓練數據的時候超棒；但是處理我們的測試數據就超爛。
這是因為我們的模型不夠靈活，面對新數據的時候就顯得有點不知所措了。這個時候我們稱之為“Overfit”，即“過擬合”。
接下來我們通過一個過長的例子，來體會一下過擬合。
比方說，你是一個新媽媽，你的寶寶喜歡吃麵條。幾個月來，你養成了一個在廚房餵食並開窗的習慣，因為你喜歡新鮮空氣。接著你的侄子給寶寶一個圍裙，這樣他吃東西就不會弄得滿身都是，然後你又養成了一個新的習慣：喂寶寶吃麵條的時候，必須穿上圍裙。隨後你又收養了一隻流浪狗，每次寶寶吃飯的時候狗就蹲在嬰兒椅旁邊，等著吃寶寶掉下來的麵條。作為一個新媽媽，你很自然的會認為，開著的窗戶+圍裙+嬰兒椅下面的狗，是讓你的寶寶能夠開心吃麵條的必備條件。直到有一天你回孃家過週末。當你發現廚房裡沒有窗戶你有點慌；然後你突然想起來走的匆忙圍裙也沒帶；最要命的是狗也交給鄰居照看了，天哪！你驚慌到手足無措以至於忘記給寶寶餵食，就直接把他放床上了。看，當你面對一個完全新的場景時你表現的很糟糕。而在家則完全是另外一種畫風了。經過重新設計模型，過濾掉所有的噪音（不相關的數據）後你發現，其實寶寶僅僅是喜歡你親手做的麵條。第二天，你就能坦然的在一個沒有窗戶的廚房裡，沒給寶寶穿圍裙，也沒有狗旁邊，開開心心的喂寶寶吃麵條了。
這就是機器學習的正則化所幹的事情：讓你的模型只關注有用的數據，忽略干擾項。
在左邊：LASSO迴歸（你可以看到紅色梯級表示的係數在穿過y軸時可以等於零）
在右邊：嶺迴歸（你可以看到係數接近，但從不等於零，因為它們從不穿過y軸）
圖片來源：Prashant Gupta的“機器學習中的正規化”
在各種正規化的，有一些所謂的懲罰因子（希臘字母拉姆達：λ）。這個懲罰因子的作用是在數學計算中，縮小數據中的噪聲。
在嶺迴歸中，有時稱為“L2迴歸”，懲罰因子是變量係數的平方值之和。懲罰因子縮小了自變量的係數，但從來沒有完全消除它們。這意味著通過嶺迴歸，您的模型中的噪聲將始終被您的模型考慮在內。
另一種正則化是LASSO或“L1”正則化。在LASSO正則化中，只需懲罰高係數特徵，而不是懲罰數據中的每個特徵。
此外，LASSO能夠將係數一直縮小到零。這基本上會從數據集中刪除這些特徵，因為它們的“權重”現在為零（即它們實際上是乘以零）。
通過LASSO迴歸，模型有可能消除大部分噪聲在數據集中。這在某些情況下非常有用！
邏輯迴歸
現在我們知道，線性迴歸=某些變量對另一個變量的影響，並且有2個假設：
- 結果變量是連續的；
- 變量和結果變量之間的關係是線性的。
但如果結果變量不是連續的而是分類的呢？這個時候就用到邏輯迴歸了。
分類變量只是屬於單個類別的變量。比如每一週都是週一到週日7個日子，那麼這個時候你就不能按照天數去做預測了。
每週的第一天都是星期一，週一發生的事情，就是發生在週一。沒毛病。
邏輯迴歸模型只輸出數據點在一個或另一個類別中的概率，而不是常規數值。這也是邏輯迴歸模型主要用於分類的原因。
在邏輯迴歸的世界中，結果變量與自變量的對數概率（log-odds）具有線性關係。
- 比率（odds）
邏輯迴歸的核心就是odds。舉個例子：
一個班裡有19個學生，其中女生6個，男生13個。假設女性通過考試的幾率是5：1，而男性通過考試的幾率是3:10。這意味著，在6名女性中，有5名可能通過測試，而13名男性中有3名可能通過測試。
那麼，odds和概率（probability）不一樣嗎？並不。
概率測量的是事件發生的次數與所有事情發生的總次數的比率，例如，投擲40次投幣10次是正面的概率是25%；odds測量事件發生的次數與事件的次數的比率，例如拋擲30次有10次是正面，odds指的是10次正面:30次反面。
這意味著雖然概率總是被限制在0-1的範圍內，但是odds可以從0連續增長到正無窮大！
這給我們的邏輯迴歸模型帶來了問題，因為我們知道我們的預期輸出是概率（即0-1的數字）。
那麼，我們如何從odds到概率？
讓我們想一個分類問題，比如你最喜歡的足球隊和另一隻球隊比賽，贏了6場。你可能會說你的球隊失利的幾率是1：6，或0.17。
而你的團隊獲勝的幾率，因為他們是一支偉大的球隊，是6：1或6。如圖：
https://www.youtube.com/watch?v=ARfXDSkQf1Y
現在，你不希望你的模型預測你的球隊將在未來的比賽中取勝，只是因為他們過去獲勝的幾率遠遠超過他們過去失敗的幾率，對吧？
還有更多模型需要考慮的因素（可能是天氣，也許是首發球員等）！因此，為了使得odds的大小均勻分佈或對稱，我們計算出一些稱為對數比率（log-odds）的東西。
- log-odds
我們所謂的“正態分佈”：經典的鐘形曲線！
Log-odds是自然對數odds的簡寫方式。當你採用某種東西的自然對數時，你基本上可以使它更正常分佈。當我們製作更正常分佈的東西時，我們基本上把它放在一個非常容易使用的尺度上。
當我們採用log-odds時，我們將odds的範圍從0正無窮大轉換為負無窮正無窮大。可以在上面的鐘形曲線上看到這一點。
即使我們仍然需要輸出在0-1之間，我們通過獲取log-odds實現的對稱性使我們比以前更接近我們想要的輸出！
- Logit函數
“logit函數”只是我們為了得到log-odds而做的數學運算！
恐怖的不可描述的數學。呃，我的意思是logit函數。
logit函數，用圖表繪製
正如您在上面所看到的，logit函數通過取其自然對數將我們的odds設置為負無窮大到正無窮大。
- Sigmoid函數
好的，但我們還沒有達到模型給我們概率的程度。現在，我們所有的數字都是負無窮大到正無窮大的數字。名叫：sigmoid函數。
sigmoid函數，以其繪製時呈現的s形狀命名，只是log-odds的倒數。通過得到log-odds的倒數，我們將我們的值從負無窮大正無窮大映射到0-1。反過來，讓我們得到概率，這正是我們想要的！
與logit函數的圖形相反，其中我們的y值範圍從負無窮大到正無窮大，我們的sigmoid函數的圖形具有0-1的y值。好極了！
有了這個，我們現在可以插入任何x值並將其追溯到預測的y值。該y值將是該x值在一個類別或另一個類別中的概率。
- 最大似然估計
你還記得我們是如何通過最小化RSS（有時被稱為“普通最小二乘法”或OLS法）的方法在線性迴歸中找到最佳擬合線的嗎？
在這裡，我們使用稱為最大似然估計（MLE）的東西來獲得最準確的預測。
MLE通過確定最能描述我們數據的概率分佈參數，為我們提供最準確的預測。
我們為什麼要關心如何確定數據的分佈？因為它很酷！（並不是）
它只是使我們的數據更容易使用，並使我們的模型可以推廣到許多不同的數據。
一般來說，為了獲得我們數據的MLE，我們將數據點放在s曲線上並加上它們的對數似然。
基本上，我們希望找到最大化數據對數似然性的s曲線。我們只是繼續計算每個log-odds行的對數似然（類似於我們對每個線性迴歸中最佳擬合線的RSS所做的那樣），直到我們得到最大數量。
好了，到此為止我們知道了什麼是梯度下降、線性迴歸和邏輯回顧，下一講，由Audrey妹子來講解決策樹、隨機森林和SVM。
參考鏈接：
https://towardsdatascience.com/machine-learning-algorithms-in-laymans-terms-part-1-d0368d769a7b
閱讀更多 智能前沿技術 的文章
