文科生都能看懂的机器学习教程：梯度下降、线性回归、逻辑回归（附动图解释）...
来源：新智元
本文约4200字，建议阅读10+分钟。
本文浅显易懂的方式讲解机器学习，力求让没有理科背景的读者都能看懂。
[ 导读 ]虽然在Coursera、MIT、UC伯克利上有很多机器学习的课程，包括吴恩达等专家课程已非常经典，但都是面向有一定理科背景的专业人士。本文试图将机器学习这本深奥的课程，以更加浅显易懂的方式讲出来，让没有理科背景的读者都能看懂。
把复杂的东西简单化，让非专业人士也能短时间内理解，并露出恍然大悟的表情，是一项非常厉害的技能。
举个例子。你正在应聘机器学习工程师，面对的是文科出身的HR，如果能在最短时间内让她了解你的专业能力，就能极大地提升面试成功率。
现在，机器学习这么火，想入行的人越来越多，然而被搞糊涂的人也越来越多。因为大众很难理解机器学习是干吗的？那些神秘拗口的概念，比如逻辑回归、梯度下降到底是什么？
一个23岁的药物学专业的学生说，当他去参加机器学习培训课程的时候，感觉自己就家里那位不懂现代科技的奶奶。
于是一名叫Audrey Lorberfeld的毕业生，试图将大众与机器学习之间的鸿沟，亲手填补上。于是有了这个系列文章。
本系列第一讲：
梯度下降
线性回归
逻辑回归
算法 vs 模型
在理解开始了解机器学习之前，我们需要先搞懂两个基础概念：算法和模型。
我们可以把模型看做是一个自动售货机，输入（钱），输出（可乐）。算法是用来训练这个模型的，
模型根据给定的输入，做出对应的决策获得预期输出。例如，一个算法根据投入的金额，可乐的单价，判断钱够不够，如果多了该找多少钱。
总而言之，算法是模型背后的数学生命力。没有模型，算法只是一个数学方程式。模型的不同，取决于用的算法的不同。
梯度下降/最佳拟合线
（虽然这个传统上并不被认为是一种机器学习算法，但理解梯度对于了解有多少机器学习算法可用，及如何优化至关重要。）梯度下降帮助我们根据一些数据，获得最准确的预测。
举个例子。你有一个大的清单，列出每个你认识的人身高体重。然后做成下面这种分布图：
图上面的数字比较奇怪？不用在意这些细节。
现在，小区居委会要举办一个根据身高猜体重的比赛，赢的人发红包。就用这张图。你怎么办？
你可能会想在图上画一根线，这个线非常完美的给出了身高和体重的对应关系。
比如，根据这条完美线，身高1.5米的人体重基本在60斤左右。啊那么，这根完美线是怎么找出来呢？答：梯度下降。
我们先提一个概念叫RSS（the residual sum of squares）。RSS是点和线之间差异的平方和，这个值代表了点和线的距离有多远。梯度下降就是找出RSS的最小值。
我们把每次为这根线找的不同参数进行可视化，就得到了一个叫做成本曲线的东西。这个曲线的地步，就是我们的RSS最小值。
Gradient Descent可视化（使用MatplotLib）
来自不可思议的数据科学家Bhavesh Bhatt
梯度下降还有其他的一些细分领域，比如“步长”和“学习率”（即我们想要采取什么方向到底部的底部）。
总之，我们通过梯度下降找到数据点和最佳拟合线之间最小的空间；而最佳你和线是我们做预测的直接依据。
线性回归
线性回归是分析一个变量与另外一个或多个变量（自变量）之间，关系强度的方法。
线性回归的标志，如名称所暗示的那样，即自变量与结果变量之间的关系是线性的，也就是说变量关系可以连城一条直线。
这看起来像我们上面做的！这是因为线性回归中我们的“回归线”之前的最佳实践线。最佳拟合线显示了我们的点之间最佳的线性关系。反过来，这使我们能够做出预测。
关于线性回归的另一个重点是，结果变量或“根据其他变量而变化的”变量（有点绕哈）总是连续的。但这意味着什么？
假设我们想测量一下纽约州影响降雨的因素：结果变量就是降雨量，就是我们最关系的东西，而影响降水的自变量是海拔。
如果结果变量不是连续的，就可能出现在某个海拔，没有结果变量，导致我们没办法做出预测。
反之，任意给定的海拔，我们都可以做出预测。这就是线性回归最酷的地方！
岭回归与LASSO回归
现在我们知道什么是线性回归，接下来还有更酷的，比如岭回归。在开始理解岭回归之前，我们先来了解正则化。
简单地说，数据科学家使用正则化，确保模型只关注能够对结果变量产生显著影响的自变量。
但是那些对结果影响不显著的自变量会被正则忽略吗？当然不会！原因我们后面再展开细讲。
原则上，我们创建这些模型，投喂数据，然后测试我们的模型是否足够好。
如果不管自变量相关也好不相关都投喂进去，最后我们会发现模型在处理训练数据的时候超棒；但是处理我们的测试数据就超烂。
这是因为我们的模型不够灵活，面对新数据的时候就显得有点不知所措了。这个时候我们称之为“Overfit”，即“过拟合”。
接下来我们通过一个过长的例子，来体会一下过拟合。
比方说，你是一个新妈妈，你的宝宝喜欢吃面条。几个月来，你养成了一个在厨房喂食并开窗的习惯，因为你喜欢新鲜空气。
接着你的侄子给宝宝一个围裙，这样他吃东西就不会弄得满身都是，然后你又养成了一个新的习惯：喂宝宝吃面条的时候，必须穿上围裙。
随后你又收养了一只流浪狗，每次宝宝吃饭的时候狗就蹲在婴儿椅旁边，等着吃宝宝掉下来的面条。
作为一个新妈妈，你很自然的会认为，开着的窗户+围裙+婴儿椅下面的狗，是让你的宝宝能够开心吃面条的必备条件。
直到有一天你回娘家过周末。当你发现厨房里没有窗户你有点慌；然后你突然想起来走的匆忙围裙也没带；最要命的是狗也交给邻居照看了，天哪！
你惊慌到手足无措以至于忘记给宝宝喂食，就直接把他放床上了。看，当你面对一个完全新的场景时你表现的很糟糕。而在家则完全是另外一种画风了。
经过重新设计模型，过滤掉所有的噪音（不相关的数据）后你发现，其实宝宝仅仅是喜欢你亲手做的面条。
第二天，你就能坦然的在一个没有窗户的厨房里，没给宝宝穿围裙，也没有狗旁边，开开心心的喂宝宝吃面条了。
这就是机器学习的正则化所干的事情：让你的模型只关注有用的数据，忽略干扰项。
在左边：LASSO回归（你可以看到红色梯级表示的系数在穿过y轴时可以等于零）
在右边：岭回归（你可以看到系数接近，但从不等于零，因为它们从不穿过y轴）
图片来源：Prashant Gupta的“机器学习中的正规化”
在各种正规化的，有一些所谓的惩罚因子（希腊字母拉姆达：λ）。这个惩罚因子的作用是在数学计算中，缩小数据中的噪声。
在岭回归中，有时称为“L2回归”，惩罚因子是变量系数的平方值之和。惩罚因子缩小了自变量的系数，但从来没有完全消除它们。这意味着通过岭回归，您的模型中的噪声将始终被您的模型考虑在内。
另一种正则化是LASSO或“L1”正则化。在LASSO正则化中，只需惩罚高系数特征，而不是惩罚数据中的每个特征。
此外，LASSO能够将系数一直缩小到零。这基本上会从数据集中删除这些特征，因为它们的“权重”现在为零（即它们实际上是乘以零）。
通过LASSO回归，模型有可能消除大部分噪声在数据集中。这在某些情况下非常有用！
逻辑回归
现在我们知道，线性回归=某些变量对另一个变量的影响，并且有2个假设：
结果变量是连续的；
变量和结果变量之间的关系是线性的。
但如果结果变量不是连续的而是分类的呢？这个时候就用到逻辑回归了。
分类变量只是属于单个类别的变量。比如每一周都是周一到周日7个日子，那么这个时候你就不能按照天数去做预测了。
每周的第一天都是星期一，周一发生的事情，就是发生在周一。没毛病。
逻辑回归模型只输出数据点在一个或另一个类别中的概率，而不是常规数值。这也是逻辑回归模型主要用于分类的原因。
在逻辑回归的世界中，结果变量与自变量的对数概率（log-odds）具有线性关系。
比率（odds）
逻辑回归的核心就是odds。举个例子：
一个班里有19个学生，其中女生6个，男生13个。假设女性通过考试的几率是5：1，而男性通过考试的几率是3:10。这意味着，在6名女性中，有5名可能通过测试，而13名男性中有3名可能通过测试。
那么，odds和概率（probability）不一样吗？并不。
概率测量的是事件发生的次数与所有事情发生的总次数的比率，例如，投掷40次投币10次是正面的概率是25%；odds测量事件发生的次数与事件的次数的比率，例如抛掷30次有10次是正面，odds指的是10次正面:30次反面。
这意味着虽然概率总是被限制在0-1的范围内，但是odds可以从0连续增长到正无穷大！
这给我们的逻辑回归模型带来了问题，因为我们知道我们的预期输出是概率（即0-1的数字）。
那么，我们如何从odds到概率？
让我们想一个分类问题，比如你最喜欢的足球队和另一只球队比赛，赢了6场。你可能会说你的球队失利的几率是1：6，或0.17。
而你的团队获胜的几率，因为他们是一支伟大的球队，是6：1或6。如图：
图片来源：
https://www.youtube.com/watch?v=ARfXDSkQf1Y
现在，你不希望你的模型预测你的球队将在未来的比赛中取胜，只是因为他们过去获胜的几率远远超过他们过去失败的几率，对吧？
还有更多模型需要考虑的因素（可能是天气，也许是首发球员等）！因此，为了使得odds的大小均匀分布或对称，我们计算出一些称为对数比率（log-odds）的东西。
log-odds
我们所谓的“正态分布”：经典的钟形曲线！
Log-odds是自然对数odds的简写方式。当你采用某种东西的自然对数时，你基本上可以使它更正常分布。当我们制作更正常分布的东西时，我们基本上把它放在一个非常容易使用的尺度上。
当我们采用log-odds时，我们将odds的范围从0正无穷大转换为负无穷正无穷大。可以在上面的钟形曲线上看到这一点。
即使我们仍然需要输出在0-1之间，我们通过获取log-odds实现的对称性使我们比以前更接近我们想要的输出！
Logit函数
“logit函数”只是我们为了得到log-odds而做的数学运算！
恐怖的不可描述的数学。呃，我的意思是logit函数。
logit函数，用图表绘制
正如您在上面所看到的，logit函数通过取其自然对数将我们的odds设置为负无穷大到正无穷大。
Sigmoid函数
好的，但我们还没有达到模型给我们概率的程度。现在，我们所有的数字都是负无穷大到正无穷大的数字。名叫：sigmoid函数。
sigmoid函数，以其绘制时呈现的s形状命名，只是log-odds的倒数。通过得到log-odds的倒数，我们将我们的值从负无穷大正无穷大映射到0-1。反过来，让我们得到概率，这正是我们想要的！
与logit函数的图形相反，其中我们的y值范围从负无穷大到正无穷大，我们的sigmoid函数的图形具有0-1的y值。好极了！
有了这个，我们现在可以插入任何x值并将其追溯到预测的y值。该y值将是该x值在一个类别或另一个类别中的概率。
最大似然估计
你还记得我们是如何通过最小化RSS（有时被称为“普通最小二乘法”或OLS法）的方法在线性回归中找到最佳拟合线的吗？
在这里，我们使用称为最大似然估计（MLE）的东西来获得最准确的预测。
MLE通过确定最能描述我们数据的概率分布参数，为我们提供最准确的预测。
我们为什么要关心如何确定数据的分布？因为它很酷！（并不是）
它只是使我们的数据更容易使用，并使我们的模型可以推广到许多不同的数据。
一般来说，为了获得我们数据的MLE，我们将数据点放在s曲线上并加上它们的对数似然。
基本上，我们希望找到最大化数据对数似然性的s曲线。我们只是继续计算每个log-odds行的对数似然（类似于我们对每个线性回归中最佳拟合线的RSS所做的那样），直到我们得到最大数量。
好了，到此为止我们知道了什么是梯度下降、线性回归和逻辑回顾，下一讲，由Audrey妹子来讲解决策树、随机森林和SVM。
参考链接：
https://towardsdatascience.com/machine-learning-algorithms-in-laymans-terms-part-1-d0368d769a7b
编辑：黄继彦
校对：林亦霖
