【机器学习PAI实战】—— 玩转人工智能之你最喜欢哪个男生?
2019独角兽企业重金招聘Python工程师标准>>>
摘要: 分类问题是生活中最常遇到的问题之一。普通人在做出选择之前,可能会犹豫不决,但对机器而言,则是唯一必选的问题。我们可以通过算法生成模型去帮助我们快速的做出选择,而且保证误差最小。充足的样本,合适的算法可以透过表象的类别,进而挖掘其内在的联系、区别,找出最佳的的属性来区分每个样本的类别。
模型训练与在线预测服务、推荐算法四部曲、机器学习PAI实战、更多精彩,尽在开发者分会场
【机器学习PAI实战】—— 玩转人工智能之综述
【机器学习PAI实战】—— 玩转人工智能之商品价格预测
【机器学习PAI实战】—— 玩转人工智能之美食推荐
【机器学习PAI实战】—— 玩转人工智能之利用GAN自动生成二次元头像
前言
分类问题是生活中最常遇到的问题之一。普通人在做出选择之前,可能会犹豫不决,但对机器而言,则是唯一必选的问题。我们可以通过算法生成模型去帮助我们快速的做出选择,而且保证误差最小。充足的样本,合适的算法可以透过表象的类别,进而挖掘其内在的联系、区别,找出最佳的的属性来区分每个样本的类别。所以说学习和应用机器学习的算法,要求我们必须非常了解数据实例,每个样本数据有多少个特征,哪些特征是敏感的,特征分布如何。只有充分了解数据,才能选择最合适的算法。
场景描述
单身王女士经常逛某相亲网站,前前后后浏览了1000个男生,并给他们打标了,不喜欢、一般喜欢、很喜欢三个类别。该相亲网站的工程师,决定开发一个算法推荐模型,给王女士依次推荐很喜欢,一般喜欢的男生。并可以将这个算法模型应用到网站,吸引更多的单身青年注册使用,并可以找到自己喜欢的男/女朋友。
数据分析
首先将离线数据导入到odps表中。我们主要介绍使用散点图和箱线图来直观的观测分析数据。然后根据上面的具体案例来学会如何看,理解这个图形。数据选自《机器学习实战》一书。
散点图
详情
- 拖拽统计分析-散点图。如图所示,选择观测的特征。
- 右键查看分析报告
- 散点图介绍
1,反对角线上的三个方形,在方形左上角表明三个特征的名称。而且这个三个图像与其他图形不相同,横纵坐标都是一个特征,则对角直线就代表该特征在不同类别下分布密度。比如Play这个方形,我们发现黄色部分集中在下方,蓝色部分主要分布在中间,绿色主要分布在中上方。
2,除了反对角线上的三个方形,其他方形则是反映了两两特征之间的分布情况。比如第一排第一列(1,1),横坐标为play,纵坐标为mileage。从这个方形上可以直观观测出不同颜色的散点集中分布在不同区域。
3,关于反对角线对称的两个方形,则是两个特征交换纵横坐标的散点图。
4,在整个散点图的下方,可以勾选你希望对比的特征。
- 通过上面散点图,我们可以比较清晰得出几个结论。
1,ice_cream特征对分类不敏感。从图(1,2),(2,2)我们可以直观看出,ice_cream在所有类别中几乎都是均匀分布。
2,mileage,play 特征可以将类别明显的划分成三个区域。说明这两个特征绝大程度上决定了类别的划分。
- 散点图进阶使用
在任意个方形内,拖拽一个方形区域,可以选出满足这些特征的样本,更加直观的观测,这些样本在不同方形内的分布。如上图所示,我们选中了图(3,3)内一个方形区域,可以看出这些样本在ice_cream特征下是均匀分布,在其他两个特征下,都可以通过一个超平面划分。
箱线图
详情
- 拖拽统计分析-箱线图。如图所示,选择观测的特征。
- 箱线图介绍
1,箱线图组件分两个tab分别显示箱线图和扰动点图,在左上角都可以选择观测不同的特征。右侧显示该特征下,每个类别的分布情况。
2,箱线图介绍,每个类别的箱线图,从上到下一共有5条横线。
3,內限不是样本的最上限,外限也是不最下限,超过內限和外限的样本为异常样本。
4,结合扰动点图,我们可以发现观测到异常样本的大致数量多少。
- 箱线图分析
1,通过上面的图,我们可以关注paly属性在不同类别下的分布。对比ice_cream特征
我们发现paly特征的属性值在不同类别下有明显有倾向性分布。而ice_cream在不同类别下分布几乎是一样的,这也验证了我们通过散点图得出的结论。
场景抽象化
现在回到我们一开始遇到的问题。如何用算法帮助工程师为王女士推荐其他她可以喜欢的男生呢。其实这是一个简单的问题,就是把所有的男生分为三类,不喜欢,一般喜欢,很喜欢。对于一个没有标签的男生(x),我们分出其最可能属于哪个类别的概率(p)。
在这种情况下,我们就选出这个男生属于类别A。如何计算这个概率,不同算法有不同的计算方法。比如K紧邻算法,选出离这个样本点最近的K个样本,通过属于A的样本个数除以K就可以得出属于A的概率。随机森林,则是通过投票的方式,票数多的类别就是样本最终划分的类别。
模型选择
通过前面数据分析,我们知道了数据的一些特性。
1,mileage数值比其他两个特征大很多,在计算特征间的距离时,所在权重就比较大。所有选择K近邻可以会造成较大误差。
2,AdaBoost算法,随机森林以及逻辑回归算法都可以处理数值型数据,所以这三种算法我们都会尝试,并评估者三个算法的准确率。
数据处理
我们可以使用统计分析-全表统计观测数据是否有空值,以及一些方差等的统计信息。在本案例中我仅做缺失值检测。
模型训练
我们分别选择了三个分类算法,随机森林、AdaBoost、K近邻算法。分别做了训练,预测和算法评估。在下面我们会通过测试评估来选择合适的方案。
模型测试
- 随机森林算法
- AdaBoost算法
- K近邻算法
通过上面的混淆矩阵,可以很直观的看出,在算法准确度层面,AdaBoost>随机森林>K近邻。也验证了我们前面通过数据分析得出的结论,在某个特征的值过大时,K近邻算法容易出现较大的误差。当然我们可以通过归一化来处理这些特征值,只是这样做在服务测试时,输入的数据就必须是归一化的值而不是真实数据,在实际使用中会有一些麻烦。
模型部署和测试
模型的部署和测试参见【玩转人工智能—基于PAI的机器学习实战系列二】商品价格预测
总结
AdaBoost之所以有如此好的效果,其功劳要归功于集成算法的提出和应用。集成算法通过组合多个分类器的结果,并赋予不同的权重值,而获得了比任一个分类器都要好的结果。当然这也做也有一定风险,比如说有可能加深了分类器的过拟合问题。
在分类问题上,我们最常遇到的问题就样本分布不均衡的问题。就是说正样本多与负样本,某个类别的样本多与其他类别的样本。这样的数据集在大部分分类器上都会存在问题,通常情况下,我们可以通过欠抽样或者过抽样来解决这类问题,但是在实际操作中,我们需要注意下,如何才能在尽可能不影响实际真实性的情况下做到很好的抽样。
本文作者:伊逍
原文链接
本文为云栖社区原创内容,未经允许不得转载。
转载于:https://my.oschina.net/u/3827390/blog/3027437
【机器学习PAI实战】—— 玩转人工智能之你最喜欢哪个男生?相关推荐
- 【机器学习PAI实战】—— 玩转人工智能之你最喜欢哪个男生?...
模型训练与在线预测服务.推荐算法四部曲.机器学习PAI实战.更多精彩,尽在开发者分会场 [机器学习PAI实战]-- 玩转人工智能之综述 [机器学习PAI实战]-- 玩转人工智能之商品价格预测 [机器学 ...
- 【机器学习PAI实战】—— 玩转人工智能之综述
摘要: 基于人工智能火热的大背景下,通过阿里云的机器学习平台PAI在真实场景中的应用,详细阐述相关算法及使用方法,力求能够让读者读后能够马上动手利用PAI搭建属于自己的机器学习实用方案,真正利用PAI ...
- 【机器学习PAI实战】—— 玩转人工智能之利用GAN自动生成二次元头像...
模型训练与在线预测服务.推荐算法四部曲.机器学习PAI实战.更多精彩,尽在 开发者分会场 [机器学习PAI实战]-- 玩转人工智能之综述 [机器学习PAI实战]-- 玩转人工智能之商品价格预测 [机器 ...
- 【机器学习PAI实战】—— 玩转人工智能之利用GAN自动生成二次元头像
前言 深度学习作为人工智能的重要手段,迎来了爆发,在NLP.CV.物联网.无人机等多个领域都发挥了非常重要的作用.最近几年,各种深度学习算法层出不穷, Generative Adverarial Ne ...
- 【机器学习PAI实战】—— 玩转人工智能之美食推荐
前言 在生活中,我们经常给朋友推荐一些自己喜欢的东西,也时常接受别人的推荐.怎么能保证推荐的电影或者美食就是朋友喜欢的呢?一般来说,你们两个人经常对同一个电影或者美食感兴趣,那么你喜欢的东西就很大程度 ...
- 玩转人工智能中的机器学习之学习路线
机器学习的学习路线如图 3-14所示,供读者参考.首先,可以选择一本较为简单的入门教材打好基础,然后从提高的教材中再选一本进行学习,最后再根据自己的具体研究领域选择进阶的教材进行学习.比如,如果你从事 ...
- 【机器学习PAI实践十二】机器学习实现男女声音识别分类(含语音特征提取数据和代码)
背景 随着人工智能的算法发展,对于非结构化数据的处理能力越来越受到重视,这里面的关键一环就是语音数据的处理.目前,许多关于语音识别的应用案例已经影响着我们的生活,例如一些智能音箱中利用语音发送指令,一 ...
- Python工程能力进阶、数学基础、经典机器学习模型实战、深度学习理论基础和模型调优技巧……胜任机器学习工程师岗位需要学习什么?...
咱不敢谈人工智能时代咋样咋样之类的空话,就我自己来看,只要是个营收超过 5 亿的互联网公司,基本都需要具备机器学习的能力.因为大部分公司盈利模式基本都会围绕搜索.推荐和广告而去. 就比如极客时间,他的 ...
- 自学机器学习、深度学习、人工智能学习资源推大聚合
想要解决如何自学机器学习.深度学习和人工智能这一问题,首先要了解三个概念以及它们之间的关系. 人工智能:人工智能英文缩写为AI,它是研究.开发用于模拟.延伸和扩展人的智能的理论.方法.技术及应用系统的 ...
最新文章
- 腾讯拥抱开源:首次公布开源路线图,技术研发向共享、复用和开源迈进
- 华为鸿蒙系统手机销量,两个品牌助力华为新生,但最终会是谁拯救谁
- python翻译程序-Python桌面应用案例:TXT文档翻译工具(源代码)
- 【Android 逆向】ELF 文件格式 ( ELF 程序头入口大小 | ELF 程序头入口个数 | ELF 文件节区头入口大小 | ELF 文件节区头入口个数 | 字符表序号 )
- ping 超时时间_华为交换机ping命令详解
- MySQL事务隔离级别和实现原理
- 硬核图解!断网了,还能ping通 127.0.0.1 吗?为什么?
- 操作系统进程管理实验java_计算机考研操作系统进程管理
- 【学习笔记】网络层——网络层设备、移动IP、IP组播
- 百年古董电影秒变4K高清、60FPS,AI插值,还能着色
- Ganglia 和 Nagios,第 2 部分: 使用 Nagios 监视企业集群
- 人脸检测(五)--adaboost总结,整理
- Android客户端实现session会话过期的功能
- 小程序简介和开发工具
- Python之网络数据采集入门常用模块初识
- 中青杯数学建模竞赛是什么级别的比赛_2020年第三届中青杯全国大学生数学建模竞赛...
- ccf csp 题目:门禁系统
- fastapi框架tortoise-orm运用
- django cleaned_data
- 离开阿里加盟复旦!大牛纷纷离职回归学界,撕下了国内大厂AI的最后遮羞布!大厂AI名存实亡?...
热门文章
- excel多个窗口独立显示_设置excel工作表打印区域的下技巧
- CSS如何清除默认样式,值得收藏!
- dell Win10利用easyBCD装ubuntu双系统误删了Win10启动项,修复笔记
- 整合elasticsearch-rest-high-level-client报错nested exception is java.lang.NoSuchFieldError:IGNORE_DEPREC
- 韩顺平php文件下载详解
- 背包问题 python实现
- 我来图书馆小程序一键签到和一键抢位置工具
- OSC 十月新增开源项目:号称最快的 Node.js 应用框架来了
- 全球首创变色龙隐形二维码,将你的图片变成可“点击”状态
- vue 选择本地文件目录