今天他们来谈谈关于此基础的电脑自学演算法与相关联的适用情景，协助路子商品创建起来最为此基础的“工具方案-问题”的知觉路子，协助他们更快知觉五大电脑自学演算法的思想和知觉相关联的应用情景。

介绍电脑自学另一个重要的点是，在和演算法技师沟通交流过的时候，“索韦泰更知其所以然”，而无法做“Vellore商品副经理”，这种甚至都无法被称作路子商品，无法为自己的销售业务指标和销售业务方向负责。

那么，接下去他们紧紧围绕以下几个部分来给他们如是说呵呵路子商品乌兹县的五大电脑自学演算法，协助他们做单纯入门，钟爱却是建议他们阅读专精的电脑自学书刊，如果有协助到他们，辛劳他们帮点个喜欢、珍藏和文章呵呵。

一、电脑自学的进行分类

首先，他们在如是说电脑自学的进行分类之前，他们需要介绍清楚电脑自学的本质是什么，单纯而言是电脑从发展史往后的统计数据、科学知识中归纳出来规律性实战经验用作提高控制系统的测度潜能。举个红豆，他们将“好黄瓜”开瓜的实战经验以【统计数据】形式传达给数学模型（考虑黄瓜蒂、纹路和敲打的单面声音）给到数学模型，在面对新瓜，数学模型就会给他们认定是否为“好瓜”的推论，所以说电脑自学是两门研究“自学演算法”的学识。

电脑自学的演算法大体能分为四类：监督管理自学演算法、无监督管理自学演算法和加强自学演算法。

1）监督管理自学演算法 – Supervised Algorithms

单纯而言在监督管理自学体能训练过程中，能由体能训练统计数据集教给或创建一个商业模式（表达式 / learning model），并据此商业模式推断捷伊示例。

在监督管理自学当中，需要给演算法去提供一些解决方案需要的体能训练统计数据，成为所谓的标签和标记；单纯说是要有自变量（X）和因变量（Y），同时可用来进行分类和回归。那么常见的监督管理自学演算法有：K邻近、线性回归、逻辑回归、支持向量机（SVM）、决策树和随机森林、神经网络。

2）无监督管理自学演算法 – Unsupervised Algorithms

无监督管理自学的体能训练统计数据都是不需要经标记，演算法会在没有指导的情况下自动自学；体能训练时候的统计数据是只有自变量但是没有相关联的因变量。

常见的无监督管理自学：聚类演算法（K-meansK均值、最大期望演算法）、关联规则自学（Apriori、Eclat）等；例如京东电商平台根据C端用户购物频次、平均客单价、购物的笔单数和年均消费力等，将这些用户自动“聚类”为几个不同类别，然后在进行人工标记。

3）加强自学演算法 – Reinforcement Algorithms

主要基于决策进行体能训练，演算法根据输出结果（决策）的成功或错误来体能训练自己，以负面回报的形式获得惩罚。它必须自行自学什么是最好的路子，从而随着时间推移获得最大的回报。

例如他们熟悉的“阿尔法狗Alpha Go”是在和优秀棋手中不断对弈，通过输赢的对弈起棋局来体能训练自己如何走下一步是胜率最大的走法，有一部叫做疑犯追踪的美剧也是紧紧围绕这个视角来描述的，这也是离他们所谓的人工智能最近的一种演算法类型。

二、基本的电脑自学演算法进行分类

首先，知觉一个概念，回归-Regression和我平时知觉的回归-return的概念不一样，这里回归指代的是“推导”的意思。回归演算法是相对于进行分类演算法而存在的，和他们想要预测的因变量y的类型相关。

但是，进行分类问题其实和回归问题是能相互转化的，例如上面他们说的在推荐位feeds发生点击行为，如果变成预测C端用户的点击概率，从10%，11%到100%，转化为大于50%则为预测点击，小于50%则为不点击，我们就从回归数学模型的问题变成了一个进行分类问题。

线性回归算是电脑自学进阶型演算法，能用一个单纯的二元一次方程来做概述说明，由下图他们能得到一个y = a+bx 的二元一次方程，给定a、b两个参数的时候，画在坐标轴最终是一条直线；能看到图中有许多的散点图，他们需要通过一条直线去尽可能的拟合途中的统计数据点，这就叫一元线性回归。

但是，他们也发现上面的所有散点图并无法被一条一元二次方程穿过，就和现实世界的统计数据一样，他们只能尽可能的找到规律性，找到一条最合适的直线；所以，不可避免地发现预测理论值Predicted Value和实际值之间会存在差别，这个也是他们所说的“误差”，所以他们往往在一元二次回归方程里会带上一个尾巴来来进行误差c，也是y = a+ bx +c。

因为统计数据并不是真的落在一条直线上，而是分布再周围，所以他们需要找到一个合适的a和b，来找到一条“合适的曲线”，那么为了求得a和b，他们就需要用到损失表达式的概念。

误差说白了是真实值和预测值之间的差值，也能知觉为距离；他们把上图当中每一个点单独的误差值求出来，计算出相关联的值：

再把每一个点做平方后的累加合，这样就可以完全的量化出来你和曲线上直线相关联的点和实际值之间的误差距离，用公式表示如下：

这个公式是残差平方和－SSE（Sum of Squares for Error），在电脑自学中它是回归问题当中使用的损失函数，用作衡量回归数学模型误差的表达式，也是他们要的“直线”的评价拟合成都的标准标准。这个表达式的值越小，说明直线越能拟合他们的统计数据。最后如何求的最佳参数ａ和ｂ，他们一般需要使用梯度下降法或者最小二乘法求得，后续展开分享，就不再这里赘述了。

前面给他们如是说了逻辑回归常常用来解决进行分类问题，业界常用来做搜索结果页/推荐信息流当中用户是否点击、金融控制系统当中认定是否违约客户等等。

记住一句关键的话：进行分类其本质上是用逻辑回归当中的目的和结果，其中间过程却是回归性质。为什么这么说，举个例子，京东推荐控制系统当中会把用户在推荐位对商品点击的可能性“概率”归一到（0,1），然后给可能性在加一个阈值0.5，比方说点击预测的可能性是0.5以上，预测认定为会被点击，小于0.6则预测为不会被点击。

由此可见，所有实际点值都落在了y = 1 和y = 0上了（纵坐标非0即1），如果用一个单一的一元二次线性方程拟合效果会比较差，只有少数的点才被落在了直线上。

实际上，逻辑回归一般会采用sigmoid的表达式去做拟合，sigmoid表达式在本身是一个s型曲线表达式，在取值范围之间（-∞，+∞）会在y = 0 和y = 1之间会有平滑过渡，用来表示预测的概念，也是事件发生的“可能性”。

多元一次方程一般的形式为能表现为如下图，一般能简写成为矩阵形式Y = Xβ：

将特征加权求和Xβ带入，领所有预测为正例得概率P（Y = 1），例如在京东推荐控制系统当中，预测这一次行为时被点击，那么逻辑回归的形式就变成了如下的条件公式预测：

整个逻辑回归的表达式就构造完成了，下面是通过梯度下降法来求解β获得最佳位置参数去构建最佳表达式去拟合所有的点，关于梯度下降法他们单独起一篇文章来进行如是说；

KNN是比较进阶级的电脑自学进行分类演算法，整体路子比较的单纯，核心是的思维是中国古代中的“近朱者赤近墨者黑”的思想。其中KNN当中的K指代的是最近的K个点的个数来预测位置的统计数据点，其中选择K值是预测精准度的一个关键性质的因素。

KNN做的是选出距离目标点Predicted点位距离最近的k个点，看这k个点的大多数颜色是什么形状。这里他们能通过欧氏距离来测度和计算预测Predicted点位和K个点之间的距离。

推论：由此他们能知道K的选择不同，对于得到的结果大相径庭，所以选择K值也就成为了KNN演算法的关键。

KNN的进行分类边界是非线性的，K越小越容易过拟合，我们看到到K = 1的时候，这个时候只会根据最近的单个点进行预测，如果最近的一个点是相反的噪点，这个时候就预测出错，这个时候无形之中增加了计算的复杂度，鲁棒稳健性比较差。但是如果K取得比较大（例如K = 100）的时候，这个时候又会欠拟合，数学模型计算非常单纯，并且进行分类的边界也会比较的平滑。

所以，他们找到合适的K的过程，是一个不断的调参过程，比较经典合适的方法是N折交叉验证法，下图展示的是5折交叉验证，讲一直到的样本集合分为5各等分，其中四份作为体能训练集，1份作为验证集，设定 参数，做出5个等分。

具体而言：

做完交叉验证之后，他们就设置超参数从k=1开始尝试，计算K=1时的平均误差值，每次K增加2，最终能选到产生最小误差值的K（因为随着K变大，误差值会先变小后变大嘛）。

这里有个主意的点，他们一般都对K会取奇数而不取偶数，因为偶数有一定的可能会导致点打平（例如有4个点其中2个黄色“+”，2个“O”），这样就无法判断Predict 点位究竟是属于黄色“+”，却是“O”，所以尽量避免这种问题。

最后还要注意的点是点位需要做“标准化”，如果不做标准化，可能会因为点位会受到点位影响严重，一般会采用极差法消除两级或者是标准差标准法。

KNN本身是没有体能训练过程的，也没有数学模型的参数，所以再验证过程中是和已知的样本点的距离来自学。

KNN的优点就在于基本原理简单也比较号实现，对于非线性规则进行分类效果是要更加优于先行进行分类器；缺点也十分明显：需要存储全部的统计数据集、而且需要计算每一个预测Predict和已知点的距离比较耗时，并且不太适合于特征空间维度比较高的情景类型。

三、小结回顾

今天他们先单纯介绍呵呵电脑自学五大演算法中的前三个，对于路子商品副经理而言，知道其演算法基本原理逻辑思考和应用情景是非常有必要的，路子商品在解决销售业务情景时候需要抽象化进行分类思考具体的问题，对症下药看碟夹菜，这样才能实实在在提高自己解决问题的潜能。

像是线性回归，他们即用来做线性预测，比方说预测信用卡用户的生命周期，通过收入、年龄和居住小区等来给用户评级；例如逻辑回归，他们就用来预测推荐控制系统用户的点击行为，通过用户的画像、在线/离线行为记录来预测用户是否会点击。介绍了内核实质，其实是工具情景的应用了。

责任编辑由 @路子商品Arthur 原创发布于人人都是商品副经理，未经许可，禁止转载

题图来自 Unsplash，基于 CC0 协议

该文观点仅代表作者本人，人人都是商品副经理平台仅提供信息存储空间服务。