中科院自动化所学者，图解十大经典的机器学习算法

机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。

举个简单的例子，当我们浏览网上商城时，经常会出现商品推荐的信息。这是商城根据你往期的购物记录和冗长的收藏清单，识别出这其中哪些是你真正感兴趣，并且愿意购买的产品。这样的决策模型，可以帮助商城为客户提供建议并鼓励产品消费。

传统的机器学习算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等等。这篇文章将对常用算法做常识性的介绍，没有代码，也没有复杂的理论推导，就是图解一下，知道这些算法是什么，它们是怎么应用的。

 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。

 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：

由S随机生成M个子矩阵：

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。

 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。

所以此时需要这样的形状的模型会比较好：

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。

再做一下变形，就得到了 logistic regressions 模型：

通过源数据计算可以得到相应的系数了：

最后得到 logistic 的图形：

 支持向量机

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。

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：

点到面的距离根据图中的公式计算：

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）：

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。

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。

 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：

为了解决这个问题，可以只看其中的一些单词：

这段文字，将仅由一些单词和它们的计数代表：

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。例子：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。

 K近邻算法

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。

例子：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？

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。

 K均值算法

先要将一组数据，分为三类，粉色数值大，黄色数值小 。最开始先初始化，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。

分好类后，计算每一类的平均值，作为新一轮的中心点：

几轮之后，分组不再变化了，就可以停止了：

 Adaboost

Adaboost 是 Boosting 的方法之一。Boosting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。

Adaboost 的例子，手写识别中，在画板上可以抓取到很多features（特征），例如始点的方向，始点和终点的距离等等。

training的时候，会得到每个feature的weight（权重），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。

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。

 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。

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。

 马尔科夫

Markov Chains由state（状态）和transitions（转移）组成。例子，根据这一句话 ‘the quick brown fox jumps over the lazy dog’，要得到markov chains。

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。

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。

上述十大类机器学习算法是人工智能发展的见证者，即使在当下，依然在数据挖掘以及小样本的人工智能问题中被广泛使用。中科院自动化所科研一线青年教师，推出《机器学习主流算法：从理论到实践》在线直播课程。课程体系设置充分结合理论与实践，PPT以及代码均会提供给学员，并为学员搭建与课程讲师即时交流的微信群。

机器学习课程内容

1. 数学基础（PPT资料+视频资料）

1.1 矩阵论、概率论、优化基础知识

2. 机器学习算法：从理论到实践（20学时）

2.1 机器学习概述

      2.1.1 机器学习方法分类

      2.1.2 基础知识介绍

2.2 KNN算法

      2.2.1 概述与理论详解

      2.2.2 K近邻应用案例及代码实现

2.1 机器学习概述

      2.1.1 机器学习方法分类

      2.1.2 基础知识介绍

2.2 KNN算法

      2.2.1 概述与理论详解

      2.2.2 K近邻应用案例及代码实现

2.3 贝叶斯分类

      2.3.1 朴素贝叶斯

      2.3.2 贝叶斯决策论

      2.3.3 NB分类算法应用案例及代码实现

2.4 回归与分类

      2.4.1 曲线拟合

      2.4.2 线性回归

      2.4.3 logistic回归

      2.4.4 相关应用案例及代码实现

2.5 支持向量机

      2.5.1 线性支持向量机

      2.5.2 非线性支持向量机

      2.5.3 核方法

      2.5.4 SVM应用案例及代码实现

2.6 聚类算法

      2.6.1 K均值聚类

      2.6.2 层次聚类

      2.6.3 聚类算法应用案例及代码实现

2.7 数据降维

      2.7.1 线性降维

      2.7.2 非线性降维

      2.7.3 降维应用案例及代码实现

2.8 EM算法

      2.8.1 EM算法基础

      2.8.2 多高斯参数估计

      2.8.3 EM应用案例及代码实现

2.9 Adaboost算法

      2.9.1 独立于算法的机器学习

      2.9.2 Adaboost算法

      2.9.3 应用案例及代码实现

2.10 隐马尔科夫模型

      2.10.1 马尔科夫

      2.10.2 隐马尔科夫模型

      2.10.3 应用案例及代码实现

课程团队

汪老师，副研究员，中科院自动化所一线科研学者，在领域顶级会议期刊 ICCV、TNNLS、TIP等发表论文20多篇；参加全国视频图像分析技术挑战赛，获得目标检测识别第二名，熟练掌握并应用深度学习Keras框架和Caffe框架。

邵老师，现任副教授、硕士生导师，中科院自动化所博士毕业，具有两年教学授课经验。主要研究方向包括机器学习、模式识别与图像处理，作为项目负责人承担国家自然科学基金，在国际主流期刊和会议上发表论文数篇。

开课时间及形式

1. 课程11月30日-12月21日每周四、周末晚，在线直播授课；

2. 前200位报名学员，赠送1000G人工智能资料，仅剩50个名额；

3. 课程一年内可实时查看视频回放；

4. 课程PPT和源程序，会提前公开给学员；

5. 课前、课中和课后，微信群均可答疑。

请添加助教微信咨询

本篇文章来源于: 菜鸟学Python