前言

这个课程是来自于 YouTube 上 NTU 李宏毅老师的视频课程，老师的课讲得非常有趣，通过引入 Pokémon 来生动的讲解机器学习中一些技术的应用，只要你有一定的高数、线代以及概率基础，看这个课程无压力。
我在学习的同时将其搬运并做简单的英文翻译，并加上自己的理解与更通俗的解释。加深自己印象的同时希望能对国内不能使用 YouTube 的读者们提供一个方便。

Regression 回归运算

回归运算其实就是用一个函数去拟合当前给出的数据，如下图：

20180210151826989117180.jpg

图中蓝色点代表数据，我们假设这组数据是 Linear Regression 线性回归的，那我们就需要用一条直线去拟合它们，也就是那条红色的线。

Regression 的使用范围也是很广的：

  • 股票预测：
    201802101518270933581.png
    $$
    \begin{eqnarray}
    f ( 以往多年股票的走势情况 ) = 明天的点数
    \end{eqnarray}
    $$
    当然真正的股市也不可能这么简单，你能预测你就发了😂
  • 自动驾驶
    20180210151827101157873.png
    $$
    \begin{eqnarray}
    f ( 传感器得到的数据 ) = 方向盘与油门的控制
    \end{eqnarray}
    $$
  • 推荐系统
    像淘宝、京东等的购物网站，会推送一些商品给你，这些商品肯定要是你喜欢的或者需要的，你才可能去购买。一个好的推荐系统可能会让这些网站的利润成倍提高。
    $$
    \begin{eqnarray}
    \ f ( 用户 A，商品 B ) = 用户 A 购买商品 B 的可能性
    \end{eqnarray}
    $$
    如果这个可能性很大的话，购物网站就会更倾向于向用户 A 推荐此商品

但今天，我们要做的是一件更加实际的事情。

用数据估测宝可梦的攻击力（CP值）

比如，下面是一只妙蛙种子，你给他吃一些糖果或者星辰，它就会进化成妙蛙草，进化以后，它的 CP 值就变了。

20180210151827184555492.png

如果我们有能力预测它进化后 CP 值的变化的话，我们就能够事先决定是否进化这只宝可梦。如果它 CP 值比较低的话，有可能你就把它拿去做糖果了😂 就不进化它了，这就可以节省一些糖果用来进化更强的宝可梦。

那我们现在要做的就是，找到这么一个 function，我们输入这只宝可梦的相关数据，他就能返回给我们，进化过后，可能的 CP 值是多少。

$$
\begin{eqnarray}
\ f ( 宝可梦的信息 ) = 进化后的 CP 值
\end{eqnarray}
$$

这里，我们用 \(x\) 代表这只宝可梦，则：

  • \( x_{cp} \) 代表其进化前的 CP 值，为 14
  • \( x_s \) 代表它所属的物种，为 妙蛙种子
  • \( x_{hp} \) 代表它进化前的生命值，为 10
  • \( x_w \) 代表它进化前的重量，为 11.62 kg
  • \( x_{hp} \) 代表它进化前的生命值，为 0.88 m
  • \(y\) 则代表进化后的 CP 值

这里 \(x\) 的下标表示：这些都是 \(x\) 这个个体的某个属性（比如 \(小明_{体重}\)、\(小明_{身高}\)）。

那我们怎么来解这个问题呢，我们知道，ML 其实就是寻找一个 Model（模型），将我们的数据代进去，经过复杂的运算后就能得到我们想要的结果。

所以我们首先需要找到这个 Model。

第一步：Model

一个 Model 其实就是一个 Function set（一组方法）。那我们要寻找的这个 Model，它应该长什么样子呢？

我们当然还是期望它能简单点，所以呢，我们就假设它是这么一个方程组：
$$
y = b + w \cdot x_{cp}
$$

就是一个常数 \(b\) 和一个数 \(w\)，它们组合起来，\(x\) 与 \(y\) 就构成一种线性关系。当然，我们现在的 \(b\) 和 \(w\) 都是不确定的，它可以是任何的数字，不过我们能从直觉上排除一些组合，比如 \(w\) 和 \(b\) 都为负数：

$$
f_1: y = -1 - 2 \cdot x
$$

这样子 \(y\) 就成了负数，我们知道，一个宝可梦的 CP 值是不可能为负数的，所以我们能够直接排除这类组合。

前面提到，我们假设的这个方程是一个线性的函数，所以我们这个 Model 就是一个 Linear Model（线性模型）：

$$
\ Linear\ Model: y = b + \sum w_i x_i
\\ x_i：输入\ x\ 的某个属性（如 CP）
\\ b：bias（误差）
\\ w：weight（权重）
$$

有了 Model 我们就需要考虑下一个问题：

第二步：Training Data

我们需要训练数据，因为 ML 就像人一样，本来就是通过一定量的基础练习，才能够学到这类数据的共通点。像下面这个图，左侧是杰尼龟，右侧则是杰尼龟进化后，变成的卡咪龟：

20180210151827722460431.png

那现在，整个 Model 的 输入就是这只杰尼龟，我们用 \(x^1\) 来表示，那这只 卡咪龟 我们就用 \(\widehat{y}^1\) 来表示。这里 \(x\) 和 \(\widehat{y}\) 的上标表示：这是一个完整的个体，1 只是它的编号（比如 \(学生^1\) 、\(学生^2\)），至于 hat（就是 \(\widehat{y}\) 头上的那个尖尖符号），它代表这是一个准确的值（因为这是真实的数据，为了和后面预测出来的数据 \(y\) 做区分）。

只有一只肯定不够呀，我们需要很多的数据，就要抓足够多的宝可梦，比如这只 伊布，它进化过后就是 雷精灵：

20180210151827811541481.png

那我们同样就能够得到\(x^2\) 和 \(\widehat{y}^2\)，就像这样：

20180210151827831581456.png

嗯，我们搜集了十只宝可梦🐶🐱🐢🐹🦄🦊🐻🐼🐨🐯 ，数据可以从这里找到。

我们就有了 10 组 Training Data（训练数据）：

$$
(x^1,\widehat{y}^1) \
(x^2,\widehat{y}^2) \
\vdots \
(x^{10},\widehat{y}^10)
$$

我们将其进化前的 CP 值和进化后的 CP 值画在一个二维坐标图上（横轴为进化前的 CP 值），那每个蓝色的点都代表一只宝可梦：

2018021115182792145885.png

现在我们有了 Model 和 Training Data，但是我们还需要一个函数来将它们连接起来，这个函数就是接下来要讲的：

第三步：Loss Function

2018021115182800497363.png

中间蓝色的块就是 Loss Function（误差函数）。为什么需要这个函数呢，因为我们现在需要根据这 10 只已知宝可梦数据，代入 Model 推测出它们进化后的 CP 值，然后再与实际的 CP 值进行比较，来慢慢调整 Model 中的 weight 和 bias。所以，我们需要有一个函数来评判这次推测的误差度，这就是 Loss Function：

$$
\begin{cases}
L(f) = L(w,b) = \sum_{n=1}^{10} (\widehat{y}^n - y^n)^2 \
y^n = b + w\cdot x_{cp}^n
\end{cases} \
\Downarrow \
L(f) = \sum_{n=1}^{10} (\widehat{y}^n - (b + w\cdot x_{cp}^n))^2
$$

上面的方程其实就是将 \(\widehat{y}\) 准确值减去\(y\)估测值，然后将其平方，再将 10 只宝可梦都这样计算并加起来。

我们要做的就是从我们的 Model 中挑选出一个 function \(f\)，它能够让 Loss Function \(L(f)\) 的计算结果最小，这个 function 我们就将它命名为 \(f^*\)：

$$
f^* = arg \min_f L(f)
$$

或者从另一个角度考虑，我们的 function 其实就只由 weight \(w\) 和 bias \(b\) 来确定的，那上面的公式还可以写成如下：

$$
w^*, b^* = arg \min_{w,b} L(w,b)
$$

我们需要做的就是 穷举所有的 𝑤 和 𝑏，直到找到最佳的那一对，让 Loss Function \(L\) 最小。

第四步：Gradient Descent

上面说的穷举真不是一个好办法（基本没法实现），那我们能不能找一个更好、更有效率的办法解决这个问题呢？有！

  1. 用线性代数的办法：求解非齐次线性方程组（由于这里的方程并不是同解，所以这个办法还是会有些折腾）
  2. 用高等数学的办法：L 可微分，求梯度即可

如下曲线，我们随机选择一个起点 \(w^0\)，然后在这个点上对 \(L\) 求 \(w\) 的微分 \(\frac{dL}{dw}|_{w=w^0}\):

20180211151828415490517.jpg

如果你还搞不太懂微分是啥，那就假想这个曲线是一个山坡，你站在 \(w^0\) 上，向左迈一步（\(w\) 减小）或者向右迈一步 (\(w\) 增大)，然后看往哪边走 \(L\) 会变小就往那个方向走一步，得到一个新的位置 \(w^1\)，然后这样不断重复，就有机会走到最低点。

$$
w^1 \gets w^0 - \eta \frac{dL}{dw}|_{w=w^0}
$$

20180211151828471476871.jpg

那新问题出现了，我们步子该迈多大呢？Gradient Descent 中，这个步子的大小为:

$$
- {\color{red}\eta} \frac{dL}{dw}|_{w=w^0}
$$

其中，\(\frac{dL}{dw}|_{w=w^0}\) 为 \(w^0\) 处的梯度，\({\color{red}\eta}\) 是一个常数项，我们把它叫做 Learning Rate（学习速率），它是一个事先定好的数值，越大，每踏出一步的距离就越大，这意味着学习得就越快。负号则是因为，我们所求的梯度如果是负值说明我们往这个方向前进，\(L\) 就会变小，我们就需要增大 \(w\)，所以，梯度的符号和我们前进的方向是相反的关系。

到了 \(w^1\) 后重新计算梯度，很明显这里的梯度比 \(w^0\) 小了很多，所以迈的下一步也会随之变小。经过很多次的调整行走后，我们终于走到了 \(w^T\)，在这个地方，微分趋近于 0，算法就认为这里是最好的点了（让 \(L\) 最小的点）。

20180211151828585017243.jpg

但很明显我们能看到，这只是一个 Local Minimum（局部最小），全局最小的点并不在这里，当然 Linear Model 不太会存在这种走到 Local Minimum 的情况，至于为什么，后面会给予说明。

我们总的过程用公式表达就是这样的：

$$
随机选择一个初始的 w^0 和 b^0 \
\Downarrow \
分别对 w^0 和 b^0 做微分并计算下一个点 w^1 和 b^1：
\begin{cases}
w^1 \gets w^0 - {\color{red}\eta} \frac{dL}{dw}|_{w=w^0,b=b^0} \
b^1 \gets b^0 - {\color{red}\eta} \frac{dL}{db}|_{w=w^0,b=b^0}
\end{cases} \
\Downarrow \
分别对 w^1 和 b^1 做微分并计算下一个点 w^2 和 b^2：
\begin{cases}
w^2 \gets w^1 - {\color{red}\eta} \frac{dL}{dw}|_{w=w^1,b=b^1} \
b^2 \gets b^1 - {\color{red}\eta} \frac{dL}{db}|_{w=w^1,b=b^1}
\end{cases} \
\vdots \
最终得到一组让 L 最小的 w^T 和 b^T
$$

Gradient Descent 到底是什么呢？其实就是将 \(L\) 分别对 \(w\) 和 \(b\) 做偏微分，最后组成一个向量：

$$
\nabla L =
\begin{bmatrix}
\frac{\partial L}{\partial w} \
\frac{\partial L}{\partial b}
\end{bmatrix}
_{gradient}
$$

当然如果你还是有点点糊涂的话，下面这张图就能更好地向你说明，Gradient Descent 的原理：

20180211151828747733608.png

Gradient Descent 其实就相当于每次计算所处位置圆弧的法线方向，这个方向是数值变化最明显的方向，所以照着这个方向能最快的走到最低点。

但是，遇到这种图怎么办？

2018021115182877412672.jpg

不用担心（至少现在），因为 Linear Model 的图形其实不会像上面的图那样，而是像上面第二张图那样的，一圈一圈很规整的凹面图形，几乎不存在 Local Minimum 的问题。

最后，我们看一下 \(\frac {\partial L} {\partial w} \) 和 \(\frac {\partial L} {\partial b} \) 都怎么计算的（如果你不会的话，可要恶补一下高等数学了）

$$
L(f) = \sum_{n=1}^{10} (\widehat{y}^n - (b + w\cdot x_{cp}^n))^2 \
\Downarrow \
\begin{cases}
\frac {\partial L} {\partial w} = \sum_{n=1}^{10} 2\cdot (\widehat{y}^n - (b + w\cdot x_{cp}^n))(-x_{cp}^n) \
\frac {\partial L} {\partial b} = \sum_{n=1}^{10} 2\cdot (\widehat{y}^n - (b + w\cdot x_{cp}^n)){-1}
\end{cases}
$$

本文总结

  1. 我们讲了 Regression（线性回归） 的一些作用与高大上的一些应用场景，不过这些都是很复杂的应用；
  2. 然后我们就提出了一个用 Regression 来解决宝可梦升级 CP 值预测的系统；
  3. 通过将宝可梦的属性代数化：\(x\) 代表某个宝可梦个体、\(x_{cp}\) 代表它的 CP 值、\(x_h\) 代表它的高度等等，让我们能够通过代数的方法解决这个预测 CP 的问题；
  4. 在最开始，我们需要建立一个 Model（模型），Model 其实就是一堆 Function（计算方法）的集合，我们将一些数据输入进去，他就能输出我们想要的结果：比如我们输入一只宝可梦的数据，他就能输出这只宝可梦进化后的 CP 值；
  5. 在第二步，我们需要 Training Data（训练数据）。我们需要有大量的训练数据，才能够教会我们的模型正确预测可能的 CP 值变化；
  6. 有了 Model 和 Training Data，我们还需要有 Loss Function（误差函数）来评价我们当前模型的好坏，其实它的实现很简单，就是一个普通的函数，然后将 Model 预测的 CP 值，和实际已知进化后的 CP 值做比较，他们差距越大，Loss Funciton 输出的 \(L\) 也就越大，越小说明预测得越准确；
  7. 最后我们讲了如何训练这个 Model，用 Gradient Descent（梯度下降）算法来调节模型，梯度下降算法其实就是通过高等数学中的微分运算，找到一个能让 \(L\) 变得更小的方向（并且这个方向是能让 \(L\)减小得最快的），根据这个方向来决定是增大参数的大小还是减小参数的大小，总之，我们能够通过不断地训练调节，得到一个能比较合理的、误差尽可能小的模型。

今天就先写到这里，小步快跑，下次更新见…

[ML01 - Regression 案例学习 (下)][1]
[1]: https://aiellochan.github.io/2018/02/11/Regression-案例学习-(下)