为什么要学习机器学习？

为什么需要AI训练师：
正如宝可梦训练师在战斗时需要合适的宝可梦，AI训练师也需要选择合适的model和loss function。因此要训练出厉害的AI，AI训练师功不可没。

回归

举例

股票预测：output=Dow Jones Industrial Average at tomorrow
自动驾驶：output=方向盘角度
推荐系统：output=使用者A购买B商品的可能性

应用案例

预测宝可梦的CP值，也就是战斗力。
Input是某一只宝可梦，output是进化后的CP值。
X：Xs宝可梦种类，Xhp生命值，Xw重量，Xh高度，进化前Xcp
Y：进化后Xcp

模型：y=b + W*Xcp
b和W不同的组合组成无穷个function。
b是bias，W是weight。

步骤1: 模型训练

也就是收集和查看训练数据。

训练模型

收集10组宝可梦进化前和后的真实数据。

收集新数据

步骤2: 定义模型的好坏

从数学的角度来讲，我们使用距离。求【进化后的CP值】与【模型预测的CP值】差，来判定模型的好坏。也就是使用损失函数（Loss function） 来衡量模型的好坏。损失函数的output是输入的function有多不好。

损失函数

在坐标图中展示loss function：
Input是w和b，图上每个点代表一个function。越红loss越大，越蓝loss越少。

w和b坐标图

步骤3: 选择最好的function

最简单的是穷举w和b以选出loss最小的function。
除了穷举法可以用Gradient Descent法：

首先在这里引入一个概念，学习率：移动的步长，如下图中 η

• 步骤1：随机选取一个 w0
• 步骤2：计算微分，也就是当前的斜率，根据斜率来判定移动的方向
  -- 大于0向右移动（增加w）
  --小于0向左移动（减少w）
• 步骤3：根据微分值(斜率对应的横坐标长度)和学习率移动

• 重复步骤2和步骤3，直到找到最低点

  
  
  梯度下降曲线
  
  

  local minima，参数为0的点
  global minima，学习曲线最低点

解释完单个模型参数w，引入2个模型参数 w 和b ，过程是类似的，需要做的是偏微分，过程如图所示：

两个模型参数演算

梯度下降推演最优模型过程的图形展示：
每一条线围成的圈就是等高线，代表损失函数的值，颜色约深的区域代表的损失函数越小。
红色的箭头代表等高线的法线方向。

梯度下降推演图形展示

梯度下降gradient descent存在的挑战：

• 问题1：当前最优（Stuck at local minima）
• 问题2：等于0（Stuck at saddle point）

• 问题3：趋近于0（Very slow at the plateau）

  
  
  梯度下降gradient descent存在的挑战

注意：其实在线性模型里面都是一个碗的形状（山谷形状），Loss function L is convex, no local optimal，梯度下降基本上都能找到最优点，但是再其他更复杂的模型里面，就会遇到 问题2和问题3了。

步骤4: 验证模型的好坏

需要查看模型在新数据的表现，新抓10只宝可梦。

有没有办法做得更好？
重新设计model，从原始数据看可能比直线复杂，所以需要更复杂的model，

举例：引入二次项。
重新训练复杂化的模型并在测试集上算average error。
再举例：引入三次项。
模型表现又稍微好了一点。
再再举例：引入四次项。
训练集的average error突然变大，结果变糟。

过拟合问题：
逐步引入更高阶的模型，但误差后期变大，过拟合就是在训练集得到好的结果，但在测试集得到差的结果。

• 训练集平均误差【15.4】【15.3】【14.9】【12.8】
• 测试集平均误差【18.4】【18.1】【28.8】【232.1】

将错误率结果图形化展示，发现3次方以上的模型，已经出现了过拟合的现象：

模型升阶与过拟合

所以model不是越复杂越好，而是需要选择合适的model。

收集更多的测试数据：
发现有隐藏的因素影响进化后的CP值，也就是宝可梦的物种。

隐藏因素

优化模型：

Step1优化：2个input的四个线性模型是合并到一个线性模型中
通过对 Pokemons种类 判断，将 4个线性模型 合并到一个线性模型中。

合并4个线性模型

四个model合并后还是线性模型？是的，下图蓝色框里都是公式中Xi的参数。

合并后仍是线性模型

Step2优化：如果希望模型更强大表现更好（更多参数，更多input）
在最开始我们有很多特征，图形化分析特征，将血量（HP）、重量（Weight）、高度（Height）也加入到模型中。

加入更多特征

更多特征，更多input，数据量没有明显增加，仍旧导致overfitting，怎么办？

Step3优化：加入正则化

更多特征，但是权重w 可能会使某些特征权值过高，仍旧导致overfitting，所以加入正则化。
正则化也就是redesign loss function，除了loss越小，再加一项来评价更好的模型，也就是使参数越小，曲线越平滑，所以function越好。

正则化

• w 越小，表示 function较平滑的， function输出值与输入值相差不大
• 在很多应用场景中，并不是 w越小模型越平滑越好，但是经验值告诉我们 w越小大部分情况下都是好的。
• b的值接近于0 ，对曲线平滑是没有影响。也就是在做回归的时候不需要考虑bias。

Lamda值不是越大越好

• Lamda越大，training error越小，不喜欢太平滑的function（因为最平滑的是一条直线），所以lamda也不能太大。