TensorFlow 機(jī)器學(xué)習(xí)的學(xué)習(xí)方式

作者：譚東

    一般根據(jù)我們的數(shù)據(jù)類(lèi)型的不同，對(duì)相應(yīng)問(wèn)題的建模也有不同的方式。在機(jī)器學(xué)習(xí)或者人工智能領(lǐng)域，人們首先會(huì)考慮算法的學(xué)習(xí)方式。在機(jī)器學(xué)習(xí)領(lǐng)域，有幾種主要的學(xué)習(xí)方式。將算法按照學(xué)習(xí)方式分類(lèi)是一個(gè)不錯(cuò)的想法，這樣可以讓人們?cè)诮：退惴ㄟx擇的時(shí)候考慮能根據(jù)輸入數(shù)據(jù)來(lái)選擇最合適的算法來(lái)獲得最好的結(jié)果。

    主要分為：監(jiān)督學(xué)習(xí)，非監(jiān)督學(xué)習(xí)，半監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。監(jiān)督學(xué)習(xí)主要用于回歸和分類(lèi)；半監(jiān)督學(xué)習(xí)主要用于分類(lèi)，回歸，半監(jiān)督聚類(lèi)；無(wú)監(jiān)督學(xué)習(xí)主要用于聚類(lèi)。

    那我們先看下這幾種學(xué)習(xí)方式的特點(diǎn)和差別：

1）監(jiān)督學(xué)習(xí)（Supervised learning）

    監(jiān)督學(xué)習(xí)是指利用一組已知類(lèi)別的樣本調(diào)整分類(lèi)器的參數(shù)，使其達(dá)到所要求性能的過(guò)程，也稱(chēng)為監(jiān)督訓(xùn)練或有教師學(xué)習(xí)。是從標(biāo)記的訓(xùn)練數(shù)據(jù)來(lái)推斷一個(gè)功能的機(jī)器學(xué)習(xí)任務(wù)，也就是樣本標(biāo)簽打好了。訓(xùn)練數(shù)據(jù)包括一套訓(xùn)練示例。在監(jiān)督學(xué)習(xí)中，每個(gè)實(shí)例都是由一個(gè)輸入對(duì)象（通常為矢量）和一個(gè)期望的輸出值（也稱(chēng)為監(jiān)督信號(hào)）組成。監(jiān)督學(xué)習(xí)算法是分析該訓(xùn)練數(shù)據(jù)，并產(chǎn)生一個(gè)推斷的功能，其可以用于映射出新的實(shí)例。一個(gè)最佳的方案將允許該算法來(lái)正確地決定那些看不見(jiàn)的實(shí)例的類(lèi)標(biāo)簽。這就要求學(xué)習(xí)算法是在一種“合理”的方式從一種從訓(xùn)練數(shù)據(jù)到看不見(jiàn)的情況下形成。

    舉個(gè)例子：監(jiān)督學(xué)習(xí)就像我們?cè)趯W(xué)習(xí)時(shí)候旁邊有老師指點(diǎn)一樣，老師知道你輸入的數(shù)據(jù)是正確還是錯(cuò)誤，他可以利用他所知道的數(shù)據(jù)幫你進(jìn)行正確和錯(cuò)誤分類(lèi)和指導(dǎo)。監(jiān)督學(xué)習(xí)就是人們常說(shuō)的分類(lèi)，我們根據(jù)已有的訓(xùn)練樣本，也就是數(shù)據(jù)進(jìn)行了標(biāo)記，輸入和輸出是對(duì)應(yīng)的。那么我們就可以根據(jù)這個(gè)已經(jīng)訓(xùn)練好的模型去判斷和映射其他輸入的數(shù)據(jù)的對(duì)應(yīng)的輸出，也就實(shí)現(xiàn)了對(duì)未知數(shù)據(jù)的分類(lèi)。類(lèi)似仿生學(xué)，我們從小并不知道什么是手機(jī)、電視、鳥(niǎo)、豬，那么這些東西就是輸入數(shù)據(jù)，而家長(zhǎng)會(huì)根據(jù)他的經(jīng)驗(yàn)指點(diǎn)告訴我們哪些是手機(jī)、電視、鳥(niǎo)、豬。這就是通過(guò)模型判斷分類(lèi)。當(dāng)我們掌握了這些數(shù)據(jù)分類(lèi)模型，我們就可以對(duì)這些數(shù)據(jù)進(jìn)行自己的判斷和分類(lèi)了。

    在監(jiān)督式學(xué)習(xí)下，輸入數(shù)據(jù)被稱(chēng)為“訓(xùn)練數(shù)據(jù)”，每組訓(xùn)練數(shù)據(jù)有一個(gè)明確的標(biāo)識(shí)或結(jié)果，如對(duì)防垃圾郵件系統(tǒng)中“垃圾郵件”“非垃圾郵件”，對(duì)手寫(xiě)數(shù)字識(shí)別中的“1“，”2“，”3“，”4“等。在建立預(yù)測(cè)模型的時(shí)候，監(jiān)督式學(xué)習(xí)建立一個(gè)學(xué)習(xí)過(guò)程，將預(yù)測(cè)結(jié)果與“訓(xùn)練數(shù)據(jù)”的實(shí)際結(jié)果進(jìn)行比較，不斷的調(diào)整預(yù)測(cè)模型，直到模型的預(yù)測(cè)結(jié)果達(dá)到一個(gè)預(yù)期的準(zhǔn)確率。監(jiān)督式學(xué)習(xí)的常見(jiàn)應(yīng)用場(chǎng)景如分類(lèi)問(wèn)題和回歸問(wèn)題。常見(jiàn)監(jiān)督式學(xué)習(xí)算法有決策樹(shù)（ID3，C4.5算法等），樸素貝葉斯分類(lèi)器，最小二乘法，邏輯回歸（Logistic Regression），支持向量機(jī)（SVM），K最近鄰算法（KNN，K-NearestNeighbor），線性回歸（LR，Linear Regreesion），人工神經(jīng)網(wǎng)絡(luò)（ANN，Artificial Neural Network），集成學(xué)習(xí)以及反向傳遞神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network）等等。下圖是幾種監(jiān)督式學(xué)習(xí)算法的比較：

2）非監(jiān)督學(xué)習(xí)（Unsupervised learing）

    非監(jiān)督學(xué)習(xí)是另一種研究的比較多的學(xué)習(xí)方法，它與監(jiān)督學(xué)習(xí)的不同之處，在于我們事先沒(méi)有任何訓(xùn)練樣本，而需要直接對(duì)數(shù)據(jù)進(jìn)行建模。是否有監(jiān)督（Supervised），就看輸入數(shù)據(jù)是否有標(biāo)簽（Label）。輸入數(shù)據(jù)有標(biāo)簽（即數(shù)據(jù)有標(biāo)識(shí)分類(lèi)），則為有監(jiān)督學(xué)習(xí)，沒(méi)標(biāo)簽則為無(wú)監(jiān)督學(xué)習(xí)。這聽(tīng)起來(lái)似乎有點(diǎn)不可思議，但是在我們自身認(rèn)識(shí)世界的過(guò)程中很多處都用到了無(wú)監(jiān)督學(xué)習(xí)。比如我們?nèi)⒂^一個(gè)畫(huà)展，我們完全對(duì)藝術(shù)一無(wú)所知，但是欣賞完多幅作品之后，我們也能把它們分成不同的派別（比如哪些更朦朧一點(diǎn)，哪些更寫(xiě)實(shí)一些，即使我們不知道什么叫做朦朧派，什么叫做寫(xiě)實(shí)派，但是至少我們能把他們分為兩個(gè)類(lèi)）。無(wú)監(jiān)督學(xué)習(xí)里典型的例子就是聚類(lèi)了。聚類(lèi)的目的在于把相似的東西聚在一起，而我們并不關(guān)心這一類(lèi)是什么。因此，一個(gè)聚類(lèi)算法通常只需要知道如何計(jì)算相似度就可以開(kāi)始工作了。 在非監(jiān)督式學(xué)習(xí)中，數(shù)據(jù)并不被特別標(biāo)識(shí)，學(xué)習(xí)模型是為了推斷出數(shù)據(jù)的一些內(nèi)在結(jié)構(gòu)。

    非監(jiān)督學(xué)習(xí)在聚類(lèi)上同監(jiān)督學(xué)習(xí)分類(lèi)效果相比無(wú)法做到同樣的完美，那么我們?yōu)槭裁催€要使用非監(jiān)督學(xué)習(xí)聚類(lèi)？因?yàn)樵诤芏鄬?shí)際應(yīng)用中，并沒(méi)有大量的標(biāo)識(shí)數(shù)據(jù)進(jìn)行使用，并且標(biāo)識(shí)數(shù)據(jù)需要大量的人工工作量，非常困難。那么我們就需要非監(jiān)督學(xué)習(xí)根據(jù)數(shù)據(jù)的相似度，特征及相關(guān)聯(lián)系進(jìn)行模糊判斷分類(lèi)。

    常見(jiàn)的應(yīng)用場(chǎng)景包括關(guān)聯(lián)規(guī)則的學(xué)習(xí)以及聚類(lèi)等。常見(jiàn)非監(jiān)督學(xué)習(xí)算法包括聚類(lèi)算法、奇異值分解、主成分分析（PCA）、SVD矩陣分解、獨(dú)立成分分析(ICA)、Apriori算法以及K-均值算法(K-Means)、稀疏自編碼（sparse auto-encoder）等等。

3）半監(jiān)督學(xué)習(xí)（Semi-supervised Learning）

    半監(jiān)督學(xué)習(xí)(Semi-Supervised Learning，SSL)是模式識(shí)別和機(jī)器學(xué)習(xí)領(lǐng)域研究的重點(diǎn)問(wèn)題，是監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)相結(jié)合的一種學(xué)習(xí)方法。半監(jiān)督學(xué)習(xí)使用大量的未標(biāo)記數(shù)據(jù)，以及同時(shí)使用標(biāo)記數(shù)據(jù)，來(lái)進(jìn)行模式識(shí)別工作。當(dāng)使用半監(jiān)督學(xué)習(xí)時(shí)，將會(huì)要求盡量少的人員來(lái)從事工作，同時(shí)，又能夠帶來(lái)比較高的準(zhǔn)確性，因此，半監(jiān)督學(xué)習(xí)目前正越來(lái)越受到人們的重視。

    在此學(xué)習(xí)方式下，輸入數(shù)據(jù)部分被標(biāo)識(shí)，部分沒(méi)有被標(biāo)識(shí)，這種學(xué)習(xí)模型可以用來(lái)進(jìn)行預(yù)測(cè)，但是模型首先需要學(xué)習(xí)數(shù)據(jù)的內(nèi)在結(jié)構(gòu)以便合理的組織數(shù)據(jù)來(lái)進(jìn)行預(yù)測(cè)。

    半監(jiān)督學(xué)習(xí)有兩個(gè)樣本集，一個(gè)有標(biāo)記，一個(gè)沒(méi)有標(biāo)記。分別記作Lable={(xi,yi)}，Unlabled={(xi)}，并且數(shù)量,L<<U。

    1、單獨(dú)使用有標(biāo)記樣本,我們能夠生成有監(jiān)督分類(lèi)算法

    2、單獨(dú)使用無(wú)標(biāo)記樣本,我們能夠生成無(wú)監(jiān)督聚類(lèi)算法

    3、兩者都使用,我們希望在1中加入無(wú)標(biāo)記樣本,增強(qiáng)有監(jiān)督分類(lèi)的效果;同樣的,我們希望在2中加入有標(biāo)記樣本,增強(qiáng)無(wú)監(jiān)督聚類(lèi)的效果

    一般而言,半監(jiān)督學(xué)習(xí)側(cè)重于在有監(jiān)督的分類(lèi)算法中加入無(wú)標(biāo)記樣本來(lái)實(shí)現(xiàn)半監(jiān)督分類(lèi)，也就是在1中加入無(wú)標(biāo)記樣本，增強(qiáng)分類(lèi)效果[1]。應(yīng)用場(chǎng)景包括分類(lèi)和回歸，算法包括一些對(duì)常用監(jiān)督式學(xué)習(xí)算法的延伸，這些算法首先試圖對(duì)未標(biāo)識(shí)數(shù)據(jù)進(jìn)行建模，在此基礎(chǔ)上再對(duì)標(biāo)識(shí)的數(shù)據(jù)進(jìn)行預(yù)測(cè)。如自訓(xùn)練算法(self-training)、多視角算法(Multi-View)、生成模型（Enerative Models）、圖論推理算法（Graph Inference）或者拉普拉斯支持向量機(jī)（Laplacian SVM）等。

(圖片來(lái)自百度百科)

4）強(qiáng)化學(xué)習(xí)（Reinforcement learning）

    又稱(chēng)再勵(lì)學(xué)習(xí)、評(píng)價(jià)學(xué)習(xí)，是一種重要的機(jī)器學(xué)習(xí)方法，在智能控制機(jī)器人及分析預(yù)測(cè)等領(lǐng)域有許多應(yīng)用。但在傳統(tǒng)的機(jī)器學(xué)習(xí)分類(lèi)中沒(méi)有提到過(guò)強(qiáng)化學(xué)習(xí)，而在連接主義學(xué)習(xí)中，把學(xué)習(xí)算法分為三種類(lèi)型，即非監(jiān)督學(xué)習(xí)(unsupervised learning)、監(jiān)督學(xué)習(xí)(supervised leaning)和強(qiáng)化學(xué)習(xí)。

    在這種學(xué)習(xí)模式下，輸入數(shù)據(jù)作為對(duì)模型的反饋，不像監(jiān)督模型那樣，輸入數(shù)據(jù)僅僅是作為一個(gè)檢查模型對(duì)錯(cuò)的方式，在強(qiáng)化學(xué)習(xí)下，輸入數(shù)據(jù)直接反饋到模型，模型必須對(duì)此立刻作出調(diào)整。常見(jiàn)的應(yīng)用場(chǎng)景包括動(dòng)態(tài)系統(tǒng)以及機(jī)器人控制等。常見(jiàn)算法包括Q-Learning以及時(shí)間差學(xué)習(xí)（Temporal difference learning）。在企業(yè)數(shù)據(jù)應(yīng)用的場(chǎng)景下， 人們最常用的可能就是監(jiān)督式學(xué)習(xí)和非監(jiān)督式學(xué)習(xí)的模型。 在圖像識(shí)別等領(lǐng)域，由于存在大量的非標(biāo)識(shí)的數(shù)據(jù)和少量的可標(biāo)識(shí)數(shù)據(jù)， 目前半監(jiān)督式學(xué)習(xí)是一個(gè)很熱的話題。 而強(qiáng)化學(xué)習(xí)更多的應(yīng)用在機(jī)器人控制及其他需要進(jìn)行系統(tǒng)控制的領(lǐng)域。

    強(qiáng)化學(xué)習(xí)靈感來(lái)源于心理學(xué)中的行為主義理論，即有機(jī)體如何在環(huán)境給予的獎(jiǎng)勵(lì)或懲罰的刺激下，逐步形成對(duì)刺激的預(yù)期，產(chǎn)生能獲得最大利益的習(xí)慣性行為。這個(gè)方法具有普適性，因此在其他許多領(lǐng)域都有研究，例如博弈論、控制論、運(yùn)籌學(xué)、信息論、模擬優(yōu)化方法、多主體系統(tǒng)學(xué)習(xí)、群體智能、統(tǒng)計(jì)學(xué)以及遺傳算法。 它的本質(zhì)就是解決“決策（decision making）”問(wèn)題，即學(xué)會(huì)自動(dòng)進(jìn)行決策。它在沒(méi)有任何label告訴算法應(yīng)該怎么做的情況下，通過(guò)先嘗試做出一些行為——然后得到一個(gè)結(jié)果，通過(guò)判斷這個(gè)結(jié)果是對(duì)還是錯(cuò)來(lái)對(duì)之前的行為進(jìn)行反饋。由這個(gè)反饋來(lái)調(diào)整之前的行為，通過(guò)不斷的調(diào)整算法能夠?qū)W習(xí)到在什么樣的情況下選擇什么樣的行為可以得到最好的結(jié)果。

    重點(diǎn)：強(qiáng)化學(xué)習(xí)其實(shí)就是自動(dòng)進(jìn)行決策，并且可以做連續(xù)決策。強(qiáng)化學(xué)習(xí)有很多應(yīng)用，比如自動(dòng)直升機(jī)，機(jī)器人控制，手機(jī)網(wǎng)絡(luò)路由，市場(chǎng)決策，工業(yè)控制，高效網(wǎng)頁(yè)索引，無(wú)人駕駛，AlphaGo，玩游戲，還在制造業(yè)、庫(kù)存處理、電商、廣告、推薦、金融、醫(yī)療等與我們生活息息相關(guān)的領(lǐng)域也有應(yīng)用。像強(qiáng)化學(xué)習(xí)里的Q-Learning可以很好的處理動(dòng)態(tài)定價(jià)問(wèn)題。在電商中，也可以用強(qiáng)化學(xué)習(xí)算法來(lái)學(xué)習(xí)和分析顧客行為，定制產(chǎn)品和服務(wù)以滿足客戶的個(gè)性化需求。如雙 11 推薦場(chǎng)景中，阿里巴巴使用了深度強(qiáng)化學(xué)習(xí)與自適應(yīng)在線學(xué)習(xí)，通過(guò)持續(xù)機(jī)器學(xué)習(xí)和模型優(yōu)化建立決策引擎，對(duì)海量用戶行為以及百億級(jí)商品特征進(jìn)行實(shí)時(shí)分析，幫助每一個(gè)用戶迅速發(fā)現(xiàn)寶貝，提高人和商品的配對(duì)效率。還有，利用強(qiáng)化學(xué)習(xí)將手機(jī)用戶點(diǎn)擊率提升了 10-20%。例如一家日本公司 Fanuc，工廠機(jī)器人在拿起一個(gè)物體時(shí)，會(huì)捕捉這個(gè)過(guò)程的視頻，記住它每次操作的行動(dòng)，操作成功還是失敗了，積累經(jīng)驗(yàn)，下一次可以更快更準(zhǔn)地采取行動(dòng)。

    舉個(gè)例子：以小孩學(xué)習(xí)走路為例，走路時(shí)候小孩需要知道先進(jìn)行決定先邁那條腿，如果第一步作對(duì)了，那么就會(huì)得到獎(jiǎng)勵(lì)，錯(cuò)了，那么記錄下來(lái)，再進(jìn)行第二次走路時(shí)候進(jìn)行學(xué)習(xí)更正。例如在向用戶推薦新聞文章的任務(wù)中，非監(jiān)督式會(huì)找到用戶先前已經(jīng)閱讀過(guò)類(lèi)似的文章并向他們推薦其一，而強(qiáng)化學(xué)習(xí)將通過(guò)向用戶先推薦少量的新聞，并不斷獲得來(lái)自用戶的反饋，最后構(gòu)建用戶可能會(huì)喜歡的文章的“知識(shí)圖”。

    強(qiáng)化學(xué)習(xí)常用算法：TD算法（時(shí)間差分學(xué)習(xí)，Temporal Difference）、SARSA算法、Q-Learning算法等。我們當(dāng)然也需要了解馬爾可夫決策過(guò)程（MDP，Markov Decision Processes），這樣更利于我們對(duì)強(qiáng)化學(xué)習(xí)的理解。

后面講給大家一一列舉相關(guān)的常用算法。

參考文獻(xiàn)：

[1]機(jī)器學(xué)習(xí).Tom M.Mitchell

[2]http://www.asimovinstitute.org/neural-network-zoo/