只需6步，从头开始编写机器学习算法

精品文章，第一时间送达

来源：kdnuggets

编译：肖琴

转载自：新智元，未经允许不得二次转载

从头开始编写算法是一种有益的体验，当你最终点击运行的那一刻，你会了解算法背后真正发生了什么。

如果你以前用scikit-learn实现过这个算法，从头开始编写就会很容易？不是这样。

有些算法只是比其他算法更复杂，所以可以从简单的开始，比如单层感知器（Perceptron）。

本文将以感知器为案例，引导你完成从头开始编写算法的6个步骤。这种方法可以很容易地用于编写其他机器学习算法。

这又回到了我最初所说的。如果你不了解基础知识，请不要从头开始处理算法。至少，你应该能够回答以下问题：

• 它是什么？

• 它通常用于做什么？

• 什么时候不能使用它？

对于感知器，上面三个问题的答案是：

• 单层感知器是最基本的神经网络，通常用于二进制分类问题（1或0，“是”或“否”）。

• 它是一个线性分类器，因此只有在存在线性决策边界的情况下才能有效使用。一些简单的用途可以是情绪分析（正面或负面反应）或贷款违约预测（“会违约”，“不会违约”）。对于这两种情况，决策边界都必须是线性的。

• 如果决策边界是非线性的，那么你实际上无法使用感知器。对于这些问题，需要使用其他算法。

在对模型有了基本的了解之后，是时候开始进行研究了。我建议使用大量资源。有些人用教科书学得更好，有些人用视频学得更好。就我个人而言，我喜欢使用各种类型的资源。对于数学细节，教科书的解释很好，但对于更实际的例子，我更喜欢看博客文章和YouTube视频。

对于感知器，这里有一些很棒的资源。

教材：

• 《统计学习基础》，第4.5.1节

• 《深入理解机器学习：从原理到算法》，第21.4节

博客：

• JasonBrownlee的Machine Learning Mastery系列文章，其中一篇是《如何用Python从头开始实现感知器算法》：

https://machinelearningmastery.com/implement-perceptron-algorithm-scratch-python/

• SebastianRaschka的博客，Single-Layer Neural Networks and Gradient Descent

https://sebastianraschka.com/Articles/2015_singlelayer_neurons.html

视频：

• 感知器训练：

https://www.youtube.com/watch?v=5g0TPrxKK6o

• Perceptron算法的工作原理：

https://www.youtube.com/watch?v=1XkjVl-j8MM

现在，我们已经收集了需要的资料，是时候开始学习了。与其从头到尾阅读书本或博客文章，不如先浏览一下章节标题和其他重要信息。写下要点，并尝试概述算法。

在浏览完这些资料后，我们可以将Perceptron算法分解为以下几个块（chunks）：

• 初始化权重

• 将输入乘以权重，并求和

• 将结果与阈值进行比较，并计算输出（1或0）

• 更新权重

• 重复这个过程

将算法分解成这样的块，可以使得学习更容易。基本上，我已经使用伪代码概述了这个算法，现在可以回过头来填写细节了。 下面这张图是第二步的笔记，即权重和输入的点积：

在整理好算法相关的笔记后，是时候开始在代码中实现它了。

在深入研究一个复杂的问题之前，我想先从一个简单的例子开始。对于感知器，NAND gate（与非门）是一个完美的简单数据集。如果两个输入都为真（1），则输出为假（0），否则输出为真。下面是数据集的一个示例：

现在，有了一个简单的数据集，我将开始实现我在步骤3中概述的算法。最好将这个算法分成块编写并进行测试，而不是试图一次性写完。这样在刚开始时更容易调试。

下面是我在步骤3中概述的算法点积部分的Python代码示例：

我们已经编写了代码，并针对一个小数据集进行了测试，现在是时候扩展到更大的数据集了。为了确保我们的代码在这个更复杂的数据集上正确工作，最好在一个可信的实现上对其进行测试。对于感知器，我们可以使用scikit-learn中的实现。

为了测试代码，我将检查权重。如果正确地实现了算法，我的权重应该与scikit-learn中感知器的权重相匹配。

一开始，我没有得到相同的权重，这是因为我不得不调整scikit-learn Perceptron中的默认设置。我并不是每次都实现一个新的随机状态，而只是一个fixed seed，所以不得不关闭它。shuffling也是这样，也需要关闭它。为了匹配学习率，我将eta0改为0.1。最后，我关闭了fit_intercept选项。我在特征数据集中包含了一个1的虚拟列，所以已经自动拟合了偏差项。

这引出了另一个重要的问题。在验证模型的现有实现时，你需要非常清楚模型的输入。你不应盲目地使用模型，而要总是质疑你的假设，以及每个输入的确切含义。

这个过程的最后一步可能是最重要的。 你已经完成所有的学习工作，做了笔记，从头开始编写了算法，并将它与可信的实现进行了比较。那么不要让所有这些工作白白浪费掉。编写流程非常重要，原因是：

你会得到更深刻的理解，因为这样做相当于在教别人你刚学到的东西。你可以向潜在的雇主展示它。证明你可以利用机器学习库实现算法是一回事，但如果你可以从头开始实现一个算法，那就更令人印象深刻了。

从头开始编写算法是一种非常有益的体验。这是深入了解模型、构建一个令人印象深刻的项目组合的好方法。

记得要慢慢来，从简单的事情开始吧。最重要的是，一定要记录和分享你的工作。

你也许还想看：

● PyTorch 中使用深度学习（CNN和LSTM）的自动图像描述

  ● 用卷积神经网络和自注意力机制实现QANet（问答网络）

  ● 【ECCV 2018】谷歌AI超大规模图像竞赛，中国团队获目标检测冠军

欢迎扫码关注：