传统机器学习的回顾
近年来，深度学习的概念十分火热，人工智能也由于这一技术的兴起，在近几年吸引了越来越多的关注。我们这里，将结合一些基本的用例，简要的介绍一下这一新的技术。
我们首先需要明确人工智能、机器学习以及深度学习三者之间的关系。如NVIDIA官网所述，人工智能是一个非常大的概念，而机器学习只是人工智能的一种实现方法。深度学习是同样也是一种实现机器学习的方法，是在机器学习的基础上建立起来的。这体现在，首先从字面上看，二者都是在“学习”，因此在评价深度学习训练出的模型好坏时，同样直接来源于机器学习的评价方法。其次，深度学习最常见的形式，深度神经网络，直接脱胎于机器学习中的神经网络模型。
因此，本文主要将从评价方法以及模型实现这两个方面，基于传统机器学习的概念，谈一谈深度学习。
1. 机器学习的评价方法
我们首先讲一下评价方法问题。为了让本文看起来更加有趣，我们不妨把“机器”理解为“学生”。我们知道，学生有所谓的“好学生”，通常我们搞应试教育，学习成绩好的是“好学生”，不好的就不是“好学生”，但现在流行素质教育，从素质教育的角度看，可能有的学生学习成绩中等，但是团结同学、体育优秀、能歌善舞，这样也算是好学生。
这就涉及到了不同评价标准的问题——应试教育和素质教育。机器学习同样有这两种评价方式，应试教育、唯分数论的监督学习，和素质教育、综合考量并不明确打分的非监督学习。注意这里有一个误区，即可能现在认为素质教育优于应试教育，近期大牛们也一再强调非监督算法的重要意义。但实际上如果拿到一个学习任务，具体使用哪一种方式去分析，还是需要考虑应用场景。通常我们不了解这个学习任务的目的性、需要找线索时，会用非监督找线索，方法包括聚类、降维。而如果明确了学习的目的性，追求高准确率，这时候就需要使用监督学习的方法。
具体举一个鸢尾花分类的例子。我们使用 费雪鸢尾花卉数据集（Fisher's Iris data set），它最初是埃德加·安德森从加拿大加斯帕半岛上的鸢尾属花朵中提取的地理变异数据，包含了150个样本，都属于鸢尾属下的三个亚属，分别是山鸢尾（0）、变色鸢尾（1）和维吉尼亚鸢尾（2）。四个特征被用作样本的定量分析，它们分别是花萼(Sepal)和花瓣(Petal)的长度和宽度：
| Sepal Length | Sepal Width | Petal Length | Petal Width | Species |
|---|---|---|---|---|
| 5.1 | 3.5 | 1.4 | 0.2 | 0 |
| 4.9 | 3.0 | 1.4 | 0.2 | 0 |
| 4.7 | 3.2 | 1.3 | 0.2 | 0 |
| ... | ... | ... | ... | ... |
| 7.0 | 3.2 | 4.7 | 1.4 | 1 |
| 6.4 | 3.2 | 4.5 | 1.5 | 1 |
| 6.9 | 3.1 | 4.9 | 1.5 | 1 |
| ... | ... | ... | ... | ... |
| 6.5 | 3.0 | 5.2 | 2.0 | 2 |
| 6.2 | 3.4 | 5.4 | 2.3 | 2 |
| 5.9 | 3.0 | 5.1 | 1.8 | 2 |
于是，我们就想，是否可以用鸢尾花数据集里面包含的四个特征，去预测花的种类？如果要这么做，我们首先应该明确不同种类的鸢尾花，这四个特征是否真的有区别（非监督学习），如果确实有所区别，我们就可以在此基础上，用这几个特征去追求高的分类准确性（监督学习）。下面部分我们逐个执行这些步骤。
1.1 使用数据可视化、降维、聚类等非监督方法，探索数据特征
首先展示不同种类鸢尾花四个数据两两组合的情况，如下：
import matplotlib.pyplot as plt
from sklearn import datasets
import seaborn as sns
%matplotlib inline
data = datasets.load_iris()
X = data.data
color = data.target
sns.set_style("white")
# compatibility matplotlib < 1.0
df = sns.load_dataset("iris")
sns.pairplot(df, hue="species")
这些特征的两两组合，起来确实和花的种类有关。但实际上我们总共有四个维度，这里只能看见两个，我们能否将四个维度换成两个维度、展示在一个平面上呢？这里使用了多种非监督的降维方法，尝试去从非监督的角度，展示不同种类之间的区别：
import matplotlib.pyplot as plt
from sklearn import datasets
import seaborn as sns
%matplotlib inline
data = datasets.load_iris()
X = data.data
color = data.target
sns.set_style("white")
from sklearn import decomposition
from sklearn import manifold
from matplotlib.ticker import NullFormatter
from time import time
n_components = 2
n_neighbors = 10
data = datasets.load_iris()
X = data.data
color = data.target
fig = plt.figure(figsize=(15, 4))
t0 = time()
Y = manifold.Isomap(n_neighbors, n_components).fit_transform(X)
t1 = time()
print("Isomap: %.2g sec" % (t1 - t0))
ax = fig.add_subplot(151)
plt.scatter(Y[:, 0], Y[:, 1], c=color, cmap=plt.cm.Set1)
plt.title("Isomap (%.2g sec)" % (t1 - t0))
ax.xaxis.set_major_formatter(NullFormatter())
ax.yaxis.set_major_formatter(NullFormatter())
plt.axis('tight')
t0 = time()
mds = manifold.MDS(n_components, max_iter=100, n_init=1)
Y = mds.fit_transform(X)
t1 = time()
print("MDS: %.2g sec" % (t1 - t0))
ax = fig.add_subplot(152)
plt.scatter(Y[:, 0], Y[:, 1], c=color, cmap=plt.cm.Set1)
plt.title("MDS (%.2g sec)" % (t1 - t0))
ax.xaxis.set_major_formatter(NullFormatter())
ax.yaxis.set_major_formatter(NullFormatter())
plt.axis('tight')
t0 = time()
se = manifold.SpectralEmbedding(n_components=n_components,
n_neighbors=n_neighbors)
Y = se.fit_transform(X)
t1 = time()
print("SpectralEmbedding: %.2g sec" % (t1 - t0))
ax = fig.add_subplot(153)
plt.scatter(Y[:, 0], Y[:, 1], c=color, cmap=plt.cm.Set1)
plt.title("SpectralEmbedding (%.2g sec)" % (t1 - t0))
ax.xaxis.set_major_formatter(NullFormatter())
ax.yaxis.set_major_formatter(NullFormatter())
plt.axis('tight')
t0 = time()
pca = decomposition.PCA(n_components=n_components)
pca.fit(X)
Y = pca.transform(X)
t1 = time()
print("PCA: %.2g sec" % (t1 - t0))
ax = fig.add_subplot(154)
plt.scatter(Y[:, 0], Y[:, 1], c=color, cmap=plt.cm.Set1)
plt.title("PCA (%.2g sec)" % (t1 - t0))
ax.xaxis.set_major_formatter(NullFormatter())
ax.yaxis.set_major_formatter(NullFormatter())
plt.axis('tight')
t0 = time()
tsne = manifold.TSNE(n_components=n_components, init='pca', random_state=0, perplexity=40)
Y = tsne.fit_transform(X)
t1 = time()
print("t-SNE: %.2g sec" % (t1 - t0))
ax = fig.add_subplot(155)
plt.scatter(Y[:, 0], Y[:, 1], c=color, cmap=plt.cm.Set1)
plt.title("t-SNE (%.2g sec)" % (t1 - t0))
ax.xaxis.set_major_formatter(NullFormatter())
ax.yaxis.set_major_formatter(NullFormatter())
plt.axis('tight')
plt.show()
我们可以看到基于花萼(Sepal)和花瓣(Petal)的长度和宽度特征，可以通过非监督的数学方法，在降维后，将三种鸢尾花分开。由此，我们明确了学习的目的性（根据花萼和花瓣的长度和宽度特征，对三种鸢尾花分类）。其中第一类和其他两类可以很好区分，而第二类、第三类之间区分度并不好，这也是一个潜在的问题。
1.2 基于特征的监督模型预测
明确目的之后，我们就可以采用监督学习的方法，使用模型进行分类。监督学习有很多模型，包括深度学习中的神经网络模型。监督学习的基础，是我们已知一部分数据以及其对应的结果，对这些已知结果的数据进行建模，使模型预测的结果和已知的结果越接近越好。这种接近的程度用损失函数来表示，进而通过最小化这个损失函数，得到最优模型。
经典的机器学习方法，可以基于高斯过程：
也可以使用基于核方法的支持向量机：
更可以通过决策树的集成：
同时也可以使用 Tensorflow ，建立一个包含三个隐藏层深度神经网络。以下例子来自 Tensorflow 官网:
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import os
import urllib
import tensorflow as tf
import numpy as np
IRIS_TRAINING = "iris_training.csv"
IRIS_TEST = "iris_test.csv"
# 下载数据
for infile in [IRIS_TRAINING, IRIS_TEST]:
if not os.path.exists(infile):
raw = urllib.urlopen("http://download.tensorflow.org/data/%s" % IRIS_TRAINING_URL).read()
with open(infile,'w') as f:
f.write(raw)
training_set = tf.contrib.learn.datasets.base.load_csv_with_header(
filename=IRIS_TRAINING,
target_dtype=np.int,
features_dtype=np.float32)
test_set = tf.contrib.learn.datasets.base.load_csv_with_header(
filename=IRIS_TEST,
target_dtype=np.int,
features_dtype=np.float32)
# 使用花萼花瓣的长宽作为输入特征
feature_columns = [tf.contrib.layers.real_valued_column("", dimension=4)]
# 建立一个三层的神经网络，每层分别包含 10个、 20个、 10个隐藏单元。
classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns,
hidden_units=[10, 20, 10],
n_classes=3,
model_dir="/tmp/iris_model")
# 训练数据转化成 Tensorflow 格式
def get_train_inputs():
x = tf.constant(training_set.data)
y = tf.constant(training_set.target)
return x, y
# 训练模型
classifier.fit(input_fn=get_train_inputs, steps=2000)
# 测试数据转换成 Tensorflow 格式
def get_test_inputs():
x = tf.constant(test_set.data)
y = tf.constant(test_set.target)
return x, y
# 评价准确率
accuracy_score = classifier.evaluate(input_fn=get_test_inputs,
steps=1)["accuracy"]
print("
Test Accuracy: {0:f}
".format(accuracy_score))
最终这个简单的深度神经网络模型，会实现一个 96% 的分类准确率。
1.3 结果的评价指标以及潜在问题
注意这里最优模型拼准确率时，有一个很大的问题，就是数据分布不平均时，单纯的使用错误率作为标准，会有很大的问题。比如某一种罕见疾病的发病率是万分之一(0.01%) ，这时候如果一个模型什么都不管，直接认为这个人没有病，也能拿到一个 99.99%正确的模型。如何正确衡量这个问题？如果是经典的二分类问题，这种情况下我们需要综合考虑 灵敏度以及 假阳性率，用这两个指标计算ROC 曲线，继而计算 ROC 围成的面积——AUC 值 （详见这里）。 这种情况下，我们可以认为，AUC 值越高越好。
注意这里AUC 越高越好和最小化损失函数这两个概念，这里意味着，可能某个模型，损失函数已经最小化了，但是AUC 却并不高，造成模型在实际使用时，会引入很多错误——一个较低的 AUC 值，可能会在追求高灵敏度时引入了大量的假阳性，正如古话所言，“宁可错杀一万，不可放过一个”，后果就是可能医生通知了十位患者有患癌风险，最终可能只有一位真有问题，其他九人虚惊一场。这种情况，模型并未被很好的训练，可能存在着 欠拟合 的问题。同时，也可能损失函数最小化以后，测试数据 AUC 也很高，但是实际运用在真实案例中，却又有大量的错误，这种情况被称作 过拟合。
那么如何避免这两种问题呢？前面提到，监督学习如同“应试教育”，所以机器学习过程为了避免这两种常见问题，也使用了一种类似“题海战术”的策略，即老师手里有一堆题目，不会全都给学生，会分成三个部分，一部分作为 训练集（平时作业），一部分作为验证集（平时考试），最后还有 测试集（中考高考）。训练集有数据也有答案，验证集同样有数据有答案，但和平时课堂测试一样，答案是考完试才给看的。而用到测试集时，才会最终评价模型的优劣，如同学生平时作业得分第一，但高考没有考第一，那他也不是状元。
为了避免平时作业写得好、高考失误这种悲剧，合理的运用平时考试抓差补缺就十分必要。机器学习的过程中，这一条同样成立，具体而言，如果一个学生，作业全对，但是平时考试成绩不好，这种情况用机器学习术语就是 过拟合 了，可能的原因是，机器学习过程中使用了过多的参数去迎合数据，片面追求平时学习过程的准确率，造成知其然不知其所以然的结果，在实际运用过程中表现很差。还有种情况可能更加常见，就是一个学生，写作业错一堆，考试也一堆错，这种情况，就是 欠拟合，可能是学习不够、方法不对，需要更多的特征、更优化的模型。
2. 提高深度学习模型预测的准确性
回到鸢尾花的例子，我们写的最简单的深度学习模型，达到了 96% 的准确性。那么问题来了，如果我们追求的是 100%，如何提高模型的表现？
调整模型的参数，无疑是最简单最快速的方法，但调参并不能从根本上解决分类准确性的问题。如果是数据 欠拟合，则通常需要更多的特征、更优化的模型。
我们首先说 更多的特征，比如我们这里只用了四个特征，花瓣、花萼的长度和宽度。而植物分类学家使用的特征，可能就会包括诸如 “根部是否肥大呈纺锤形”、“外花被裂片附属物有无或附属物是须毛状还是鸡冠状”、“rbcL基因序列和3个限制性位点的比对” 这种更加专业的特征，这些特征可能只有专业人士才能得出结论，甚至需要借助专业的仪器、花费数天时间。
但实际上，植物分类，并不一定要按照植物分类学课本的定义进行，可能普通人看一眼也可以分的差不多。比如我们的三种鸢尾花，我们看起来确实是第一类和第二三类不同，然后二三类之间区别相对更小，但其形状、颜色、纹路等确实有所区别：
因此对于鸢尾花数据集，各种模型可能都并不足以达到100% 准确分类，其背后深层次的原因是，这个数据集可能并没有很好的表征花瓣的形状、颜色、纹路等特征。原因也很简单，数据收集者很难准确用几个数字描述出花瓣的形状，特别是形状极为相似的情况。同时，描述出深紫色、浅紫色的区别也十分困难。于是有一个想法，就是我们能不能直接给出图片，让计算机帮忙标注这些特征，用更多的特征，增加模型准确性？
想让计算机帮忙挖掘、标注这些更多的特征，这就离不开 更优化的模型 了。事实上，这几年深度学习领域的新进展，就是以这个想法为基础产生的。我们可以使用更复杂的深度学习网络，在图片中挖出数以百万计的特征。在这些数以百万计的特征中，可能就包括了我们想到的形状、纹路、颜色等信息，更多的则是我们也无法理解、描述的东西。如下图，使用 Alexnet 深度学习架构，后面的全连接部分（Fully Connection Part）与本节 1.2 部分相同，都是三层隐藏层，但是前面却接了一个卷积部分（Convolutionary Part）,用来在图像中提取各种特征。
我们将在接下来的章节中，详细介绍如何通过深度学习技术，在图像中挖出更多的特征，达到一个更高的分类正确性。