Course1-Week1：机器学习简介

Course1-Week1：机器学习简介

• 笔记主要参考B站视频“(强推|双字)2022吴恩达机器学习Deeplearning.ai课程”。
• 该课程在Course上的页面：Machine Learning 专项课程
• 课程资料：“UP主提供资料(Github)”、或者“我的下载(百度网盘)”。

好文：

• 2023吴恩达机器学习： 上班族35 天学完~学习笔记 (1.1 监督学习)——系列文章
• 入门机器学习/深度学习要多长时间？

---

1. 课程简介

1.1 课程大纲

图1-1-1 课程大纲

  和国内大部分课程结构不同，本套机器学习课程分为3个Course，每个Course又分为若干个Week，如上图所示。笔记的结构与课程大纲相同，由于每个Week中又包含10~20节不等的讲解视频，所以单篇笔记就包含单个Week的内容。本篇笔记就对应了课程的Course1-Week1(上图中深紫色)。

1.2 Optional Lab的使用 (Jupyter Notebooks)

  为了帮助同学们在学习过程中更直观的理解机器学习中的概念，本套课程同步包含一系列实验。这些实验无需初学者有什么数学或代码基础，但需要使用 “Jupyter Notebooks” 打开。Jupyter Notebooks 是当今机器学习和数据科学从业者最广泛使用的工具，是进行编写代码、实验、尝试的默认环境。所以为了使用这些课程资料，需要我们在自己的浏览器中搭建 Jupyter Notebooks 环境，并用来测试一些想法。下面是配置环境(安装Anaconda)、打开课程资料的方法：

1. 配置Jupyter Notebook环境：参考“辅助笔记-Jupyter Notebook的安装和使用”。
2. 打开课程资料（如下图）：使用“Anaconda Prompt”cd到存放课程资料的目录，然后 jupyter notebook打开即可。

注1：课程资料下载见“UP主提供资料(Github)”、或者“我的下载(百度网盘)”。
注2：课程资料中包含课程中的实验、Quiz、PPT，可自行查阅。

图1-1-2 使用Jupyter Notebook打开课程资料

1.3 欢迎参加《机器学习》课程

机器学习是一门让计算机在 没有明确编程 的情况下学习的科学。机器学习已经出现在生活的方方面面：

• 消费者应用领域：

1. 搜索引擎的排名机制。
2. 社交软件为图片添加标签。
3. 流媒体服务推荐机制，比如B站的“首页通知书”。
4. 语音助手返回的答案，如问Siri附近的餐厅有哪些。
5. 邮箱自动识别垃圾邮件。

• 工业领域：

1. 优化风力涡轮机发电。
2. AI医学影像诊断。
3. Landing AI将计算机视觉应用到工厂中，帮助检查流水线产品质量等。

机器学习广泛应用的原因：

1. 很多场景无法写出显式程序。大多数情况下，我们不知道如何编写显式程序执行更有趣的事情，如网络引擎的推荐结果、识别人类语言、医学诊断、自动驾驶。我们所知道的唯一做这些事情的方法就是让机器学会自己做。
2. AGI(Artifical General Intelligence, 通用人工智能)的创造应该要用到某种“学习算法”。通俗来说，AGI就是一个和正常人类智力相当的人工智能。“AGI”这种概念令广大AI研究者兴奋，虽然预计大概还需要50~500年才能实现，但大多数AI研究者认为最接近该目标的方法就是使用某种“学习算法(learning algorithms)”，虽然可能需要深入研究人类大脑的工作方式来寻找灵感，但机器学习算是进入AI领域的第一步。

注：学习算法(learning algorithm)，是机器学习算法、深度学习算法等具备学习能力的算法的统称。

  本门课程广泛介绍了现代机器学习，包括监督学习（多元线性回归、逻辑回归、神经网络和决策树）、无监督学习（聚类、降维、推荐系统）以及人工智能和机器学习创新（评估和调整模型、采用以数据为中心的方法来提高性能等）在硅谷的最佳实践。具体将：

1. 使用流行的机器学习库 NumPy 和 scikit-learn 在 Python 中构建机器学习模型。
2. 构建和训练用于预测和二元分类任务的监督机器学习模型，包括线性回归和逻辑回归。

2. 机器学习简介

2.1 机器学习定义

  Arthur Samuel 在1950s就编写出了可以进行自我学习的跳棋程序(checkers playering program)。下面是他给出的“机器学习”的定义(非正式定义)：

英文：Field of study that gives computers the ability to learn without being explicitly programmed. – Arthur Samuel (1959)
翻译：使计算机能够在没有明确编程的情况下学习的研究领域。

Question：
If the checkers program(跳棋程序) had been allowed to play only ten games (instead of tens of thousands) against itself, a much smaller number of games, how would this have affected its performance?
× Would have made it better
√ Would have made it worse

启示：一般情况下，学习的机会越多，算法的表现越好。

本节课将学习很多机器学习算法，内容包括：

1. 有监督学习(Supervised learning)：实际应用中，有监督学习使用最广泛，并取得了最快速的进步和创新。Course1、Course2聚焦于有监督学习。
2. 无监督学习(Unsupervised learning)：Course3聚焦于无监督学习。
3. 强化学习(Reinforcement learning)”：由于应用没有前两者广泛，所以本课程没有简单介绍。
4. 使用“学习算法”的实用建议（很重要）：“学习算法”本身只是一种工具，比工具本身更重要的是 如何正确使用这些工具。即使是某些大公司中最熟练的机器学习团队，可能也会因为最开始找错了算法方向而导致多年的成果付诸东流。所以本课程不仅会讲解机器学习算法，同时也会介绍最熟练的机器学习工程师是如何构建系统的，以及一些机器学习应用的最佳案例。

注：学习算法(Learning Algorithm)，是机器学习算法、深度学习算法等具备学习能力的算法的统称。

2.2 有监督学习

  “有监督学习”指的是学习从 输入$x$(一个或多个) 映射到 输出$y$ 的算法。有监督学习算法的关键在于首先要提供正确的样本示例供算法学习，然后算法便可以针对未见过的输入，输出相应的预测结果。下面是一些有监督学习的在现实生活中的示例：

• 垃圾邮件过滤器：email --> 垃圾邮件?(0/1)
• 语音识别：语音 --> 文本
• 机器翻译：英文 --> 中文
• 广告投递：广告、用户信息 --> 用户点击?(0/1)
• 自动驾驶：图片、雷达信息 --> 其他车辆位置
• 视觉检测：手机图片 --> 有缺陷?(0/1)

“有监督学习”中两类最常见的典型问题就是 回归(Regression) 和 分类(Classification)。两者的主要区别在于：

• 回归问题：要预测的结果有无穷种可能，比如在一段范围内都有可能的数字取值。
• 分类问题：只有有限种可能的输出结果，比如前面提到的判断某个邮件是否为垃圾邮件。

注1：任何预测数字的“有监督学习”模型，就是解决所谓的“回归问题”。
注2：在“分类问题”中，输出“类别”的英文是class或category，两者可以混用。

下面将给出这两个问题的示例。

回归问题示例：房价预测

  “房价预测”就是根据房子的面积计算价格。下图中的“红叉”就是预先提供的有正确映射关系的样本，“蓝色拟合线”就相当于算法学习输入样本，最后通过拟合线得到房价便是“预测”，这便是“有监督学习”的完整流程。注意到这个回归问题的输出(房价)可以是任意数字，于是便有无穷种可能。

图1-1-3 房价预测问题示意图

1. 直线拟合：根据拟合直线，可以预测房屋面积 $750{\text{feet}}^2$ 对应的价格大约为 $$150k$。
2. 曲线拟合：根据拟合曲线，可以预测房屋面积 $750{\text{feet}}^2$ 对应的价格大约为 $$200k$。

分类问题示例：乳腺癌检测

  乳腺癌检测问题就是根据输入的一系列信息，如肿瘤块的大小、患者年龄、肿瘤块的厚度、细胞大小的均匀性、细胞形状的均匀性等，来判断是否为恶性肿瘤(0表示良性/1表示恶性)。下面给出“单输入的乳腺癌检测”、“两输入的乳腺癌检测”示意图：

单输入的乳腺癌检测：输入是“肿瘤的大小”，输出是“良性”、“恶性-类型1”、“恶性-类型2”。
两输入的乳腺癌检测：输入是“肿瘤的大小”、“患者年龄”，输出是“良性”、“恶性”。

图1-1-4 单输入的乳腺癌检测问题

图1-1-5 两输入的乳腺癌检测问题

2.3 无监督学习

无监督学习：
Data only comes with inputs $x$, but not output labels $y$. Algorithm has to find structure in the data.

  在“有监督学习”之后，“无监督学习”也被广泛应用起来。“无监督学习”不是要找映射关系，而是想要从 没有标记的数据集 中发现一些有趣的东西，比如这个数据集中有什么 可能的模式或结构。无监督学习的主要类型有：

1. 聚类(Clustering)：将相似的数据点分成一组。
2. 异常检测(Anomaly detection)：。有非常多的应用，比如在金融系统的诈骗检测中，异常时间、异常交易可能是欺诈。
3. 降维(Dimensionality reduction)：在尽可能丢失少的信息的前提下，将大数据集压缩成小得多的数据集。

Question:
Of the following examples, which would you address using an unsupervised learning algorithm?
× Given email labeled as spam/not spam, learn a spam filter.
√ Given a set of news articles found on the web, group them into sets of articles about the same story.
√ Given a database of customer data, automatically discover market segments and group customers into different market segments.
× Given a dataset of patients diagnosed as either having diabetes or not, learn to classify new patients as having diabetes or not.

知识点：有监督学习给数据和标签，重点在于对新输入预测出标签；无监督学习只给数据，重点在于自行分组。

下面给出“聚类”的3个示例，后续会再介绍“异常检测”和“降维”这两种无监督学习的示例：

聚类算法示例1：新闻分类
  “谷歌新闻”的任务就是将每天数十万的新闻进行聚类，找到提到相似词的文章并将其分组。很酷的是，聚类算法可以自己计算出哪些词暗示了这些文章属于同一个组，并且谷歌新闻的员工也没有事先告诉算法有哪些组。如下图所示，panda、twin、zoo都是相似的词，这些文章被归为一类。

图1-1-6 聚类算法示例——谷歌新闻文章分类

聚类算法示例2：基因分类

  下图所示的基因图谱，每一列表示一个人的全部基因，每一行表示一种基因，不同的颜色表示该基因的活跃程度，这些基因包括瞳孔颜色、身高、不爱吃西蓝花/包菜/莴苣等。聚类算法仅根据这些基因数据，将人进行分组，进而找出“基因上很相似的人”。

图1-1-7 聚类算法示例——基因分类

聚类算法示例3：客户分群

  还有一个很常见的聚类算法示例就是，根据客户信息数据库，将不同的客户划分进不同的细分市场，以便更有效的服务客户。比如深度学习团队“dot AI” 想知道 dot AI社区 中的人们，参加课程、订阅通知、参加AI活动等的动机是什么。于是通过调研团队便发现了拥有不同动机的人，比如：提升技能、发展事业、紧随AI潮流、或者哪个都不是。这个例子中调研团队就相当于无监督学习算法。

图1-1-8 聚类算法示例——客户分群

本节Quiz:

1. Which are the two common types of supervised learning? (Choose two)
   A.Classification √
   B.Clustering
   C.Regression √
2. Which of these is a type of unsupervised learning?
   A.Regression
   B.Classification
   C.Clustering √

3. 线性回归模型

3.1 线性回归模型

  本节将通过“线性回归模型”(Linear Regression Model)介绍“有监督学习”的整个过程，这也是本课程的第一个模型。下面是常用的机器学习术语：

• Training Set(数据集)：用于训练模型的数据集。
• $x$：input variable(输入变量) / feature(特征) / input feature(输入特征)，也就是“特征值”。
• $y$：output variable(输出变量) / target variable(目标变量)，也就是“目标值”。
• $m$：表示训练样本的数量。
• $(x,y)$：单个训练样本。
• $(x^{(i)},y^{(i)})$：第 $i$ 个训练样本。上标加括号是为了和求幂次区别开来。
• $\hat{y}$：表示对 $y$ 的估计或预测。

图1-1-9 有监督学习的过程示意图

• 以前把 $f$ 叫做hypothesis(假设)，但是老师不建议这种叫法，而是称之为function(函数)。

  上图给出了整个“有监督学习”的流程，也就是“learning algorithm”根据输入的“训练集”得到一个 函数模型$f$，于是便可以通过 $f$ 来对 输入$x$ 进行预测 输出$\hat{y}$。而“线性回归模型”就是假设 函数模型$f$ 为一条直线，因为简单易用，这可能是世界上使用最广泛的学习算法，后续也会在其他机器学习模型中见到线性回归模型。
  “线性回归”只是解决回归问题的方法之一，其他方法会在Course2中会介绍。现在以上一小节“房价预测”问题举例，若使用“线性回归模型”假设 $f$ 就是一条直线，于是该模型就可以写成

$$f_{w,b}(x)=wx+b$$

表示函数 $f$ 以 $x$ 为函数输入，其输出 $\hat{y}$ 取决于 $w$ 和 $b$ 的值。

• $w$、$b$：模型的参数(parameter)。
• $f_{w,b}(x)$通常会简写为 $f(x)$。

图1-1-10 线性回归模型

3.2 代价函数

  显然，虽然现在已经构建好了“线性回归模型”，但是过训练集的直线有无数种，如何找出 与训练数据最拟合的线 还不明确，于是本节就来介绍 代价函数(cost funtion)。在机器学习中，代价函数用于 衡量模型的好坏，最简单、最常用的代价函数是“平均误差代价函数”(Squared error cost function)：
$$\begin{array}{rl}J(w,b)& =\frac{1}{2m}\sum _{i=1}^m({\hat{y}}^{(i)}-y^{(i)}{)}^2\\ & =\frac{1}{2m}\sum _{i=1}^m(f_{w,b}(x^{(i)})-y^{(i)}{)}^2\end{array}$$

• $w$、$b$：模型的参数。
• $i$：训练样本的标号。
• $m$：训练样本的总数。
• $y^{(i)}$：第 $i$ 的样本的真实目标值。
• ${\hat{y}}^{(i)}$：对 $y^{(i)}$ 的预测目标值。
• 除以 $2m$：按照惯例，机器学习中的平均代价函数会除以 $2m$ 而非 $m$，这是为了使后续的计算更加简洁。

  现在来直观的看一下，最小化代价函数如何找到与训练数据最拟合的线。首先简化模型，设置参数 $b=0$，并假设训练数据只有三个点。下图给出了不同的 $w$ 所对应不同的 代价$J(w)$，显然在 $w=1$ 处代价最小，直线也最拟合：

$$\begin{array}{rl}\underset{w}{\min }J(w)& =\frac{1}{2m}\sum _{i=1}^m(f_{w,b}(x^{(i)})-y^{(i)}{)}^2\\ & =\frac{1}{2m}\sum _{i=1}^m(w{x}^{(i)}-y^{(i)}{)}^2\end{array}$$

图1-1-11 使代价函数最小

  那回到刚才的问题中，同时将 $w$和$b$ 都考虑在内，并引入更多的训练数据，便可以得到下面的代价函数示意图。为了更好的将代价函数可视化，同时使用“等高线图”和“3D图”来展示不同的 $w$和$b$ 所对应不同的 代价$J(w,b)$。“3D图”类似一个“碗”，显然在“碗”的底部，代价函数最小：

图1-1-12 可视化代价函数

上图见课程资料：C1_W1_Lab04_Cost_function_Soln.ipynb

• bug1：ModuleNotFoundError: No module named ‘ipympl’
  解决办法：新打开一个“Anaconda Prompt”输入conda install ipympl，然后重启内核重新运行即可。

注：图片很多，运行后会有点卡，若加载不出来图片可以尝试重新运行。

本节Quiz:

1. For linear regression, the model is $f_{w,b}(x)=wx+b$. Which of the following are the inputs, or features, that are fed into the model and with which the model is expected to make a prediction?
   × $m$
   × $(x,y)$
   √ $x$
   × $w$ and $b$.
2. For linear regression, if you find parameters $w$ and $b$ so that $J(w,b)$ is very close to zero, what can you conclude?
   × This is never possible - there must be a bug in the code.
   √ The selected values of the parameters $w$ and $b$ cause the algorithm to fit the training set > really well.
   × The selected values of the parameters $w$ and $b$ cause the algorithm to fit the training set > really poorly.

  虽然现在距离完成“线性回归问题”非常接近了，但是上述是通过人眼来直观的寻找代价函数的最小点，实际上要画出有足够多细节的3D图需要计算大量的 $J(w,b)$，而很多 $J(w,b)$点 都是没用的，这显然不划算。下一节就来介绍如何通过计算有限的 $J(w,b)$点 来找到代价函数最小点。

4. 梯度下降法

4.1 梯度下降法

  梯度下降(Gradient Desent)常用于寻找某函数(比如代价函数)的最大值、最小值。梯度下降不仅用于线性拟合，也用于训练如神经网络(Course2)等深度学习模型、以及一些最大型、最复杂的人工智能模型。下面以前面的 ${\min }_{w,b}J(w,b)$ 来举例，梯度下降算法的步骤为：

1. 选择初始点，一般在取值范围内选取简单的整数，如 $w=1,b=0$。
2. 沿着 $J$ 的“负梯度”方向，不断迭代计算 $w$、$b$。之所以沿着“负梯度”方向，是因为沿该方向下降速度最快(steepest descent, 最速下降)。如下：
   $$\begin{array}{rl}w& =w-\alpha \frac{\partial }{\partial w}J(w,b)\\ b& =b-\alpha \frac{\partial }{\partial b}J(w,b)\end{array}$$

• $\alpha$：学习率(Learning rate)，用于控制步长。通常为介于0~1之间的一个小的正数，如0.01。
• $\frac{\partial }{\partial w}J(w,b)$：代价函数对 $w$ 的偏导数(Partial Derivative)，其取负值表明的方向可以使 $J$ 下降。
• $\frac{\partial }{\partial b}J(w,b)$：代价函数对 $b$ 的偏导数，意义同上。

注意：上面是 同时更新(Simultaneously update)，也就是使用旧的 $(w,b)$ 直接分别计算出新的 $w$、$b$；而不是先更新 $w$，再使用这个新的 $w$ 计算新的 $b$。

3. 直到 $w$和$b$的负梯度 都为$0$(或者$0$的邻域内)，即可认为找到 $J$ 的最低点。

  下面两张图很直观的给出了整个梯度下降法的过程。在下左图中，首先固定 $b=0$，只分析 $w$ 对代价函数 $J(w)$ 的影响。可以发现，若当前$w$在最低点右侧，由于“负梯度”小于0，于是下一个$w$将向左移动；反之若当前$w$在最低点左侧，由于“负梯度”大于0，下一个$w$将向右迭代。只要选择合适的学习率$\alpha$，最终就可以找到最低点所在的$w$。在下右图中，则进一步同时考虑$w$和$b$，可以发现每次也是沿着“负梯度”下降最快的方向，最终可以到达最低点所在处。这个迭代的过程就是“梯度下降”，类似于“下山”的过程。

图1-1-13 理解梯度下降法的过程

注意点1：学习率

学习率 $\alpha$ 的选取将会对梯度下降的效率产生巨大影响。若 $\alpha$ 选取的不好，甚至会导致无法实现梯度下降。

• $\alpha$ 选取的太小，会导致下降的速度非常慢(意味着需要计算很长时间)，但最终也会收敛(converge)到最小值。
• $\alpha$ 选取的太大，很可能会导致在极值点附近反复横跳甚至越来越远，也就是不会收敛甚至发散(diverge)。
• $\alpha$ 选取的合适，越接近代价函数极小值，梯度越来越小，就会导致步长越来越小。

图1-1-14 学习率对代价函数的影响

注意点2：多个极值点

  在前面的讨论中，一直使用平方误差项作为代价函数。对于 平方误差项 的代价函数，都是“凸函数”或“凸面”。但若代价函数非凸时，可能就会存在不止一个极值。如上图1-1-13中，不同的起始点，就会导致不同的收敛速度或极值。所以 代价函数尽量要选择凸函数。

4.2 用于线性回归的梯度下降

  介绍完梯度下降法，现在来总结一下，将前面的线性回归模型、代价函数、梯度下降算法结合起来，按照下面公式不断迭代直至其收敛：
$$\begin{array}{rl}\text{Linear regression model}& :f_{w,b}(x)=wx+b\\ \text{Cost function}& :J(w,b)=\frac{1}{2m}\sum _{i=1}^m(f_{w,b}(x^{(i)})-y^{(i)}{)}^2\\ \begin{array}{r}\text{Gradient descent}\\ \text{repeat until convergence}\end{array}& :\{\begin{array}{rl}w& =w-\alpha \frac{\partial }{\partial w}J(w,b)=w-\frac{\alpha }{m}\sum _{i=1}^m[(f_{w,b}(x^{(i)})-y^{(i)})\cdot x^{(i)}]\\ b& =b-\alpha \frac{\partial }{\partial b}J(w,b)=b-\frac{\alpha }{m}\sum _{i=1}^m(f_{w,b}(x^{(i)})-y^{(i)})\end{array}\end{array}$$

从“等高线图”的角度来看，梯度下降法的迭代过程可能如下图红色箭头所示，从起始点不断收敛到最小值，并且注意到这个过程也是越来越慢的：

图1-1-15 梯度下降法求解线性回归模型

  最后说明一下，由于在使用梯度下降法求解问题的过程中，每次迭代都会使用到所有的训练集数据计算代价函数及其梯度，所以这个梯度下降的过程称为“批量梯度下降(Batch gradient descent)”。当然本问题较为简单，在其他数据更为复杂的模型中，为了简化梯度下降法的计算量，每次只使用训练集的子集。

本节Quiz:

1. Gradient descent is an algorithm for finding values of parameters w and b that minimize the cost function $J(w,b)$.
   $$\text{repeat until convergence}:\{\begin{array}{rl}w& =w-\alpha \frac{\partial }{\partial w}J(w,b)\\ b& =b-\alpha \frac{\partial }{\partial b}J(w,b)\end{array}$$

When $\frac{\partial J(w,b)}{\partial w}$ is a negative number (less than zero), what happens to $w$ after one update step?
× $w$ stays the same
× It is not possible to tell if $w$ will increase or decrease.
× $w$ decreases.
√ $w$ increases.

2. For linear regression, what is the update step for parameter $b$?
   × $b=b-\frac{\alpha }{m}{\sum }_{i=1}^m[(f_{w,b}(x^{(i)})-y^{(i)})\cdot x^{(i)}]$
   √ $b=b-\frac{\alpha }{m}{\sum }_{i=1}^m(f_{w,b}(x^{(i)})-y^{(i)})$