揭开AI、机器学习和深度学习的神秘面纱

雷锋网  •  扫码分享
我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

译者:AI研习社( Disillusion )

双语原文链接: https://www.yanxishe.com/TextTranslation/2998


深度学习、机器学习、人工智能——这些流行词皆代表了分析学的未来。在这篇文章中,我们将通过一些真实世界的案例来解释什么是机器学习和深度学习。在以后的文章中,我们将探索垂直用例。这样做的目的不是要把你变成一个数据科学家,而是让你更好地理解你可以用机器学习做什么。开发人员能越来越容易地使用机器学习,数据科学家时常与领域专家、架构师、开发人员和数据工程师一起工作,因此,详细了解机器学习的可能性对每个人来说都很重要。你的业务产生的每一条信息都有增加价值的潜力。这篇和以后的文章旨在激发你对自己数据的回顾,以发现新的机会。  

什么是人工智能?

纵观人工智能的历史,其定义被不断重写。人工智能是一个概括性术语(这个概念始于50年代);机器学习是AI的子集,而深度学习又是机器学习的子集。  

1985年,当我还是美国国家安全局的实习生时,人工智能也是一个非常热门的话题。在美国国家安全局,我甚至上了一节麻省理工关于人工智能专家系统的视频课程。专家系统在规则引擎中捕获专家的知识。规则引擎在金融和医疗保健等行业中有广泛的应用,最近更是用于 事件处理 ,但是当数据发生变化时,规则的更新和维护会变得异常困难。机器学习的优势在于 从数据中学习 ,并且可以提供数据驱动的概率预测。  

在过去10年里,分析学发生了怎样的变化 ?

根据 《哈佛商业评论》的托马斯•达文波特 ,分析技术过去十年里发生了翻天覆地的变化,跨商用服务器功能更强大、成本更低的分布式计算,流媒体分析、改进的机器学习技术,都使企业能够存储和分析更多的、不同类型的数据。  

类似 Apache Spark 这样的技术使用 迭代算法 ,通过在内存中跨迭代缓存数据并使用更轻量级的线程,进一步加速了分布式数据的并行处理。  

图形处理单元(GPUs)加快了多核服务器的并行处理速度。GPU拥有一个由数千个更小、更高效的核心组成的大规模并行架构,这些核心专门设计用于同时处理多任务,而CPU由几个为顺序串行处理而优化的核心组成。就潜在的性能而言,从Cray -1进化到如今拥有大量GPU的集群,其性能提升大约是曾经世界上最快计算机的100万倍,而成本却只有其 极小一部分 。  

什么是机器学习?

机器学习使用算法在数据中发现模式,然后使用一个能识别这些模式的模型对新的数据进行预测。 

一般来说,机器学习可以分为三种类型:监督型、非监督型、介于两者之间。监督学习算法使用标记数据,而非监督学习算法在未标记数据中发现模式。半监督学习使用标记数据和未标记数据的混合。强化学习训练算法在反馈的基础上最大化奖励。 

监督学习

监督算法使用标记数据,这些数据的输入和目标的结果或标签都会提供给算法。  

监督学习也被称为预测建模或预测分析,因为你建立了一个能够做出预测的模型。预测建模的一些例子是分类和回归。分类根据已知项的已标记示例(例如,已知是否为欺诈的交易)来识别一个项属于哪个类别(例如,某交易是否为欺诈)。逻辑回归预测了一个概率——例如,欺诈的概率。线性回归预测一个数值——例如,欺诈的数量。

一些分类的例子包括:

  • 信用卡欺诈检测(欺诈,不是欺诈)。  

  • 信用卡申请(良好信用,不良信用)。  

  • 垃圾邮件检测(垃圾邮件,不是垃圾邮件)。  

  • 文字情绪分析(快乐,不快乐)。  

  • 预测患者风险(高风险患者、低风险患者)。  

  • 恶性或非恶性肿瘤的分类。  

逻辑回归(或其他算法)的一些例子包括:

  • 根据历史汽车保险欺诈性索赔以及这些索赔的特征,例如索赔人的年龄、索赔金额、事故严重程度等,预测欺诈发生的概率。

  • 给定患者特征,预测充血性心力衰竭的概率。  

So线性回归的一些例子包括: 

  • 根据历史汽车保险欺诈性索赔以及这些索赔的特征,如索赔人的年龄、索赔金额、事故的严重程度等,预测欺诈金额。

  • 根据历史房地产销售价格和房屋特征(如平方英尺,卧室数量,位置),预测房子的价格。  

  • 根据历史上的社区犯罪统计,预测犯罪率。

这里 还有其他的监督和非监督学习算法,我们不会一一介绍,但我们会详细介绍每类中的一个。 

分类示例 :借记卡诈骗  

分类选用一组具有已知标签和预先确定特性的数据,并学习如何根据这些信息标记新数据。特性是你问的“是否”问题。标签就是这些问题的答案。 

让我们看一个借记卡诈骗的示例。  

我们想要预测什么?  

  • 某一笔借记卡交易是否为欺诈。

  • 欺诈是标签(对或错)。 

你可以用来进行预测的“ 是否 ”问题或属性是什么?  

  • 今天花费的金额是否大于历史平均水平?  

  • 今天的这些交易是否在多个国家?  

  • 今天的交易数量是否大于历史平均水平?  

  • 今天的新商户类型与过去三个月相比是否较高?  

  • 今天是否在多个带有风险类别代码的商家处购买?  

  • 今天是否有不寻常的签名与以往使用PIN相比?

  • 与过去三个月相比,是否有新的购买行为?  

  • 与过去三个月相比,现在是否有国外购买?  

要构建分类器模型,你需要提取对分类最有贡献的有用特性。 

决策树 

决策树创建一个基于输入特征预测类或标签的模型。它的工作原理在于评估每个节点上包含一个特征的问题,然后根据答案选择到下一个节点的分支。预测借记卡欺诈的可能决策树如下所示。特性问题是节点,答案“是”或“否”是树中到子节点的分支。(注意,真正的树会有更多的节点。) 

问题一:24小时内的花费是否大于平均?  

问题2:今天是否有多笔交易来自高风险的商家?  

  • 是欺诈概率 = 90%

  • 非欺诈概率 = 50%

决策树很受欢迎,因为它们易于可视化和解释。将算法与集成方法相结合,可以提高模型的精度。一个集成例子是一个随机森林算法,它结合了决策树的多个随机子集。  

无监督学习  

无监督学习,有时也被称为描述分析,没有预先提供的标记数据。这些算法发现输入数据中的相似性或规律。无监督学习的一个例子是基于购买数据对相似的客户进行分组。  

聚类  

在聚类中,一个算法通过分析输入实例之间的相似性将它们分类。一些聚类用例包括:  

  • 搜索结果分组。  

  • 分组相似客户。  

  • 分组相似病人。  

  • 文本分类。  

  • 网络安全异常检测(发现不相似之处,集群中的异常值)。  

K均值算法将数据分组到K个集群中,每个数据都属于离其集群中心均值最近的集群。  

聚类的一个例子是,一个公司希望细分其客户,以便更好地定制产品和服务。客户可以依据比如人口统计和购买历史记录等特征被分组。为了得到更有价值的结果,无监督学习的聚类常常与有监督学习相结合。例如,在这个 banking customer 360 用例中,首先根据问卷答案对客户进行细分。接着对客户群体进行分析,并标上用户画像。然后,这些标签通过客户ID与账户类型和购买内容等特性进行链接。最后,我们在被标签的客户身上应用了监督机器学习,允许将调查用户画像与他们的银行行为联系起来,以提供深入的见解。  

深度学习  

深度学习用来称呼多层神经网络,它是由输入和输出之间的节点“隐含层”组成的网络。神经网络有许多变种,你可以在这个神经网络备忘单上了解更多。改进的算法、GPUs和大规模并行处理(MPP)使得具有数千层的神经网络成为可能。每个节点接受输入数据和一个权重,然后向下一层的节点输出一个置信值,直到到达输出层,计算出该置信值的误差。通过在一个叫做梯度下降的过程中进行反向传播,误差会再次通过网络发送回来,并调整权值来改进模型。这个过程重复了数千次,根据产生的误差调整模型的权值,直到误差不无法再减少为止。  

在此过程中,各层学习模型的最优特征,其优点是特征不需要预先确定。然而,这也意味着一个缺点,即模型的决策是不可解释的。由于解释决策可能很重要,研究人员正在开发新的方法来理解深度学习这个黑盒子。  


AI研习社是AI学术青年和AI开发者技术交流的在线社区。我们与高校、学术机构和产业界合作,通过提供学习、实战和求职服务,为AI学术青年和开发者的交流互助和职业发展打造一站式平台,致力成为中国最大的科技创新人才聚集地。

如果,你也是位热爱分享的AI爱好者。欢迎与译站一起,学习新知,分享成长。

揭开AI、机器学习和深度学习的神秘面纱

雷锋网版权文章,未经授权禁止转载。详情见。

揭开AI、机器学习和深度学习的神秘面纱

随意打赏

提交建议
微信扫一扫,分享给好友吧。