十大必須掌握的機器學習演算法，竟然都如此有趣

導讀：通過本篇文章可以對ML的常用演算法有個常識性的認識，沒有代碼，沒有複雜的理論推導，就是圖解一下，知道這些演算法是什麼，它們是怎麼應用的，例子主要是分類問題。

每個演算法都看了好幾個視頻，挑出講的最清晰明了有趣的，便於科普。 以後有時間再對單個演算法做深入地解析。

今天的演算法如下：

決策樹

隨機森林演算法

邏輯回歸

SVM

樸素貝葉斯

K最近鄰演算法

K均值演算法

Adaboost演算法

神經網路

馬爾可夫

1.決策樹

根據一些 feature 進行分類，每個節點提一個問題，通過判斷，將數據分為兩類，再繼續提問。這些問題是根據已有數據學習出來的，再投入新數據的時候，就可以根據這棵樹上的問題，將數據劃分到合適的葉子上。

2、隨機森林

在源數據中隨機選取數據，組成幾個子集：

S矩陣是源數據，有1-N條數據，A、B、C 是feature，最後一列C是類別：

由S隨機生成M個子矩陣：

這M個子集得到 M 個決策樹：

將新數據投入到這M個樹中，得到M個分類結果，計數看預測成哪一類的數目最多，就將此類別作為最後的預測結果。

3、邏輯回歸

當預測目標是概率這樣的，值域需要滿足大於等於0，小於等於1的，這個時候單純的線性模型是做不到的，因為在定義域不在某個範圍之內時，值域也超出了規定區間。

所以此時需要這樣的形狀的模型會比較好：

那麼怎麼得到這樣的模型呢？

這個模型需要滿足兩個條件 「大於等於0」，「小於等於1」

大於等於0 的模型可以選擇絕對值，平方值，這裡用指數函數，一定大於0；

小於等於1 用除法，分子是自己，分母是自身加上1，那一定是小於1的了。

再做一下變形，就得到了 logistic regressions 模型：

通過源數據計算可以得到相應的係數了：

最後得到 logistic 的圖形：

4、SVM

要將兩類分開，想要得到一個超平面，最優的超平面是到兩類的 margin 達到最大，margin就是超平面與離它最近一點的距離，如下圖，Z2>Z1，所以綠色的超平面比較好。

將這個超平面表示成一個線性方程，在線上方的一類，都大於等於1，另一類小於等於－1：

點到面的距離根據圖中的公式計算：

所以得到total margin的表達式如下，目標是最大化這個margin，就需要最小化分母，於是變成了一個優化問題：

舉個例子，三個點，找到最優的超平面，定義了 weight vector＝（2，3）－（1，1）：

得到weight vector為（a，2a），將兩個點代入方程，代入（2，3）另其值＝1，代入（1，1）另其值＝-1，求解出 a 和 截矩 w0 的值，進而得到超平面的表達式。

a求出來後，代入（a，2a）得到的就是support vector，

a和w0代入超平面的方程就是support vector machine。

5、樸素貝葉斯

舉個在 NLP 的應用：

給一段文字，返回情感分類，這段文字的態度是positive，還是negative：

為了解決這個問題，可以只看其中的一些單詞：

這段文字，將僅由一些單詞和它們的計數代表：

原始問題是：給你一句話，它屬於哪一類 ？

通過bayes rules變成一個比較簡單容易求得的問題：

問題變成，這一類中這句話出現的概率是多少，當然，別忘了公式里的另外兩個概率。

例子：單詞「love」在positive的情況下出現的概率是 0.1，在negative的情況下出現的概率是0.001。

6、K最近臨演算法

給一個新的數據時，離它最近的 k 個點中，哪個類別多，這個數據就屬於哪一類。

例子：要區分「貓」和「狗」，通過「claws」和「sound」兩個feature來判斷的話，圓形和三角形是已知分類的了，那麼這個「star」代表的是哪一類呢？

k＝3時，這三條線鏈接的點就是最近的三個點，那麼圓形多一些，所以這個star就是屬於貓。

7、K均值演算法

先要將一組數據，分為三類，粉色數值大，黃色數值小 。

最開始先初始化，這裡面選了最簡單的 3，2，1 作為各類的初始值 。

剩下的數據里，每個都與三個初始值計算距離，然後歸類到離它最近的初始值所在類別。

分好類後，計算每一類的平均值，作為新一輪的中心點：

幾輪之後，分組不再變化了，就可以停止了：

8、Adaboost

adaboost 是 bosting 的方法之一。

bosting就是把若干個分類效果並不好的分類器綜合起來考慮，會得到一個效果比較好的分類器。

下圖，左右兩個決策樹，單個看是效果不怎麼好的，但是把同樣的數據投入進去，把兩個結果加起來考慮，就會增加可信度。

adaboost 的例子，手寫識別中，在畫板上可以抓取到很多 features，例如始點的方向，始點和終點的距離等等。

training的時候，會得到每個feature的weight，例如2和3的開頭部分很像，這個feature對分類起到的作用很小，它的權重也就會較小。

而這個alpha角就具有很強的識別性，這個feature的權重就會較大，最後的預測結果是綜合考慮這些feature的結果。

9、網路神經

Neural Networks適合一個input可能落入至少兩個類別里：

NN由若干層神經元，和它們之間的聯繫組成。

第一層是input層，最後一層是output層。

在hidden層和output層都有自己的classifier。

input輸入到網路中，被激活，計算的分數被傳遞到下一層，激活後面的神經層，最後output層的節點上的分數代表屬於各類的分數，下圖例子得到分類結果為class 1；

同樣的input被傳輸到不同的節點上，之所以會得到不同的結果是因為各自節點有不同的weights 和bias，這也就是forward propagation。

10、馬爾可夫

Markov Chains 由state和transitions組成。

例子，根據這一句話 『the quick brown fox jumps over the lazy dog』，要得到markov chains。

步驟，先給每一個單詞設定成一個狀態，然後計算狀態間轉換的概率。

這是一句話計算出來的概率，當你用大量文本去做統計的時候，會得到更大的狀態轉移矩陣，例如the後面可以連接的單詞，及相應的概率。

生活中，鍵盤輸入法的備選結果也是一樣的原理，模型會更高級。

此鏈接可觀看詳細視頻講解：

https://www.leiphone.com/news/201707/nL57wR7ZtbfsRgDR.html?viewType=weixin

來源：數據與演算法之美

作者 ：不會停的蝸牛

Python量化投資實戰營（深圳-香港）

量化交易深入解析

用Python做量化交易

Mongodb資料庫與數據處理

Python量化引擎基礎，執行一個策略

環球FOF投資

股票數據統計與Alpha因子策略

量化策略-CTA策略……

2017年8月21日-25日（第二期）深圳-香港

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！