ML：越千年，太白的不羁仍能懂

想必除了预测，随机森林、决策树、神经网络等等炫酷词汇从随机出现在你我的订阅号、朋友圈，如今已然到了高频刷存在感地步。身为高学历的文科生，任他公式代码狂轰滥炸，我们不慌。拿出学术训练培养的逻辑力，我们从故事的底层入手，去追问为什么需要机器学习的方法，现有的办法就不能解决嘛？似我们读《诗经》时会想为啥有那么多关于南山的意象。

穿越千年，李太白的不羁、杜子美的悲悯，我们依然能秒懂，因为文化不曾断。有没有条线贯穿着机器学习，帮助我们懂它？

D'où venons-nous ? Que sommes-nous ? Où allons-nous ? Eugène Henri Paul Gauguin,1897

过拟合，这是机器学习首要解决的问题。它是指机器在学习的时候，既学习了全局特征又学习了局部特征，还把局部特征学的过头了，这就造成了其“泛化性”差。好比唐代的诗读过头了，认为唐朝只出律诗和绝句，给首“花间派”温庭筠的词，模型会给出温庭筠不是唐朝人的反事实判断。

为了解决这个大麻烦，产生了交叉验证、正则化等方法。前者如两分法、K折法；后者如Lasso回归、Ridge回归和Elastic Net模型。特别地，交叉验证是机器学习的一个核心思想，用验证样本来判断模型优劣。哎，当我们讨论机器事时，拎得清。到了自身，往往持目标意图行事，把“执行意图”丢了老远。总是先计划棒棒的，再实施一二，来寻找“真实的自我”，熟不知大可以“先做后想”，用现实来测试种种“可能的自我”。即啥也别想，直接上测试数据集，看效果来判断自己的模型，是可以了还是要继续改。

每一次，我们都特希望自己的模型能通过测试样本的“考验”，用数学语言表述就是测试样本所得结果的误差率小。此时，只要把我们的测试样本分到最有可能的分类就好啦。这样的分类方法有：贝叶斯分类，KNN分类、LDA、决策树、支持向量机、集成学习、神经网络、随机森林等等。

公众号.png