從零開始編寫任意機器學習演算法的6個步驟：關於感知器案例的研究

寫一個機器學習演算法是一次非常有意義的學習經歷（）。

它為你提供了"啊哈！原來是這樣"的經歷感受。只有你點選它的時候，你才會明白究竟發生了什麼。

有些演算法比其他演算法複雜，所以我們從一些簡單的開始，例如單層感知器（）。

我將向你介紹以下6步過程，從零開始編寫演算法，使用感知器作為案例研究：

1.對演算法有基本的瞭解

2.尋找不同的學習來源

3.將演算法分解為塊

4.從一個簡單的例子開始

5.使用確信的案例進行驗證

6.寫下你探索的過程

基本瞭解

這可以追溯到我最初所說的。如果你不瞭解基本知識，就不要從頭開始處理演算法。

至少，你應該能夠回答以下問題：

它是什麼？

它通常用於什麼？

我什麼時候不能用這個？

對於感知器，讓我們繼續回答以下問題：

單層感知器是最基本的神經網路。它通常用於二進位制分類問題(1或0，"是"或"否")。

一些簡單的用途可能是情緒分析(正面或負面反應)或貸款違約預測("將違約"、"不會違約")。對於這兩種情況，決策邊界都需要是線性的。

如果決策邊界是非線性的，那麼你不能使用（單層）感知器。對於非線性問題，你需要的是其他東西。

使用不同的學習來源

在你對模型有了基本的理解之後，就該開始做你的研究了。

有些人透過書本學得更好，有些人透過影片學得更好。

就我個人而言，我喜歡兩者合用和使用各種資源。

關於數學細節，教科書做得很好（），但是對於更多的實際例子，我更喜歡部落格文章和YouTube影片。

這裡有一些很好的學習資源：

書籍方面

統計學習的要素(SEC)。4.5.1 連結：~hastie/Papers/ESLII.pdf

理解機器學習：從理論到演算法(SEC)。21.4 連結：~shais/UnderstandingMachineLearning/understanding-machine-learning-theory-algorithms.pdf

部落格

如何在Python中從無到有地實現感知器演算法。作者：Jason Brownlee 連結：

單層神經網路與梯度下降。作者：Sebastian Raschka 連結：

影片

感知器訓練（）。

感知器演算法的工作原理（）。

將演算法分解為塊

既然我們已經收集了我們的資料，現在是開始學習的時候了。

與其一路上閱讀文章或部落格，不如從瀏覽章節標題和其他重要資訊開始。

然後寫下要點，並試圖勾勒出演算法。

在檢視了眾多資料後，我將感知器演算法分解為以下5塊：

1.初始化權重

2.按輸入乘以權重，並將它們加起來

3.將結果與閾值進行比較以計算輸出(1或0)

4.更新權重

5.重複

讓我們把每一個細節都看一遍。

1.初始化權重

首先，我們將初始化權重向量。

權重的數量需要與特徵的數量相匹配。假設我們有三個特性，下面是權重向量的樣子

權重向量通常是用零初始化，所以我將繼續在這個例子中堅持我的理念。

2.將權值乘以輸入，並將它們加起來。

接下來，我們將把權重乘以輸入，然後把它們加起來。

為了便於跟蹤，我在第一行中對權重和它們的相應特性進行了著色。

在我們把權重乘以特徵後，我們把它們加起來。這也被稱為點積。

最終結果是0。我將這個臨時結果稱為"f"。

3.與閾值比較

在計算了點積之後，我們需要將它與閾值進行比較。

我選擇了使用0作為我的閾值，但是你可以使用這個，或嘗試一些不同的數字。

由於我們計算的點積"f"不大於我們的閾值(0)，所以我們的估計等於零。

我將估計值表示為"y hat"，帶有0下標，以對應於第一行。你可以用1代替第一行，但這並不重要。我只是選擇從0開始。

如果我們將這一結果與實際值進行比較，我們可以看到，我們當前的權重並沒有做出正確的預測。

由於我們的預測是錯誤的，我們需要更新權重，這就把我們帶到了下一步。

4.更新權重

接下來，我們將更新權重。下面是我們將要使用的公式：

基本思想是在迭代"n"時調整當前的權重，以便在下一次迭代中使用新的權重，"n+1"。

為了調整權重，我們需要設定一個"學習速率"。這是用希臘字母"ETA"表示的。

我選擇使用0.1作為學習速率，但是你可以使用不同的數字，就像閾值一樣。

以下是我們到目前為止所做的簡要總結：

現在讓我們繼續計算迭代n=2的新權重。

我們成功地完成了感知器演算法的第一次迭代。

5.重複

因為我們的演算法沒有計算出正確的輸出，所以我們需要繼續下去。

通常，我們需要多次迭代。迴圈遍歷資料集中的每一行，我們將每次更新權重。

一個完整的掃描資料集被稱為"epoch"（輪迴）。

因為我們的資料集有3行，所以我們需要三次迭代才能完成一個"epoch"。

我們可以設定總迭代次數或時間來繼續執行該演算法。也許我們需要指定30次迭代(或10次迭代)。

與閾值和學習速率一樣，epoch數（即輪迴數）是你可以使用的引數。

在下一次迭代中，我們繼續討論第二行的特性。

我不會重複每一步，但下面是點積的新計算：

接下來，我們將點積與閾值進行比較，以計算一個新的估計值，更新權重，然後繼續進行。如果我們的資料是線性可分的，感知器就會收斂。

從一個簡單的例子開始

現在我們已經手工將演算法分解成塊，現在是開始在程式碼中實現它的時候了。

為了保持簡單，我總是喜歡從一個非常小的資料集開始。

這類問題的一個很好的、小的、線性可分離的資料集是NAND gate（）。這是數位電子學中常用的一個資料集。

由於這是一個相當小的資料集，我們只需手動將其輸入Python。

我將新增一個虛擬特性"X0"，這是一個1的列。我這樣做是為了讓我們的模型計算偏置項。

你可以將偏差看作是擷取項，它正確地允許我們的模型分離這兩個類。

以下是輸入資料的程式碼：

與上一節一樣，我將以塊的形式逐步完成演算法，編寫程式碼，並在我們進行測試時對其進行測試。

1.初始化權重

第一步是初始化權重。

請記住，權重向量的長度需要匹配特徵的數量。對於這個NAND gate例子，長度是3。

2.將權值乘以輸入，並將它們加起來。

接下來，我們將把權重乘以輸入，然後把它們加起來。

它的另一個名字是"點積"。

同樣，我們可以使用Numpy輕鬆地執行此操作。我們將使用的方法是.dot()。

讓我們從權向量和第一行特徵的點積開始。

正如預期的那樣，結果是0。

為了與前文保持一致，我將點積賦給變數f。

3.與閾值比較

在計算了點積之後，我們準備將結果與閾值進行比較，從而對輸出進行預測。

同樣，我將保持與前文一致。

我要讓臨界值z等於0。如果點積f大於0，我們的預測是1。否則，它就是0。

記住，這個預測通常是用"carat"的頂部來表示的，也被稱為"hat"。我將預測賦給的變數是"yhat"。

正如預期的那樣，預測為0。

你會注意到，在上面的註釋中，我稱之為"啟用函式"。這是對我們正在做的事情的更正式的描述。

檢視NAND輸出的第一行，我們可以看到實際值為1。既然我們的預測是錯誤的，我們就需要繼續更新權重。

4.更新權重

既然我們已經做出了預測，我們就可以更新權重了。

我們需要設定一個學習速率才能做到這一點。為了與前面的示例保持一致，我將為學習率"ETA"賦值0.1。

我將對每個權重的更新進行編碼，以便更容易閱讀。

我們可以看到，我們的權重現在已經更新，所以我們準備繼續前進。

5.重複

現在我們已經完成了每一步，現在是時候把所有的東西都放在一起了。

我們還沒有討論的最後一個部分是損失函式。這是我們試圖最小化的函式，在我們的例子中，這將是平方和的錯誤。

這就是我們用來計算錯誤的地方，看看模型是如何執行的。

將所有內容結合在一起，下面是整個函式的樣子：

現在我們已經編寫了完整的感知器，讓我們繼續執行它：

看一看錯誤，我們可以看到，在第6次迭代時，錯誤變為0。對於其餘的迭代，它保持在0。

當誤差達到0並停留在那裡時，我們知道我們的模型已經收斂了。這告訴我們，我們的模型已經正確地"學習"了適當的權重。

在下一節中，我們將在更大的資料上使用計算的權重做預測。

使用確信的案例進行驗證

到目前為止，我們已經找到了不同的學習資源，手工完成了演算法，並用一個簡單的例子在程式碼中測試了它。

現在是時候將我們的結果與可信的實現進行比較了。為了比較，我們將使用scikit-learn中的感知器（）。

我們將使用以下步驟完成此比較：

1.匯入資料

2.將資料分割成訓練/測試組

3.訓練我們的感知器

4.測試感知器

5.與scikit-learn中的感知器進行比較

1.匯入資料

讓我們從匯入資料開始。你可以獲得資料集連結為：%20from%20scratch/dataset.csv 。

這是一個線性可分離的資料集，我建立它是為了確保感知器能夠工作。為了進一步的工作，讓我們繼續繪製資料。

看一下這幅圖，很容易看出我們可以用一條直線將這些資料分開。

在我們繼續之前，我將解釋我上面的程式碼。

我使用Pandas匯入CSV，CSV自動將資料放入dataframe中。

要繪製資料，我必須從dataframe中提取值，這就是為什麼我使用".values"方法。

特性在第1和第2列中，所以我在散點圖函式中使用了這些特性。第0列是我包含的1的虛擬特性，這樣就能計算出截距。這與我們在上文中對NAND gate所做的事情一樣。

最後，我使用C=df['3']，alpha=0.8在散射圖函式中。輸出是第3列(0或1)中的資料，因此我"告訴"函式使用'3'列對這兩個類進行著色。

如果你想找到更多關於Matplotlib的散點圖函式，請點選： 。

2.將資料分割成訓練/測試組

現在，我們已經確認資料可以線性分離，是時候將資料拆分了。

在一個獨立的資料集上訓練一個模型，而不是你測試的資料集，這是一個很好的實踐。這有助於避免過度擬合。

做這件事有不同的方法，但是為了保持簡單，我只使用一個訓練集和一個測試集。

我將從整理我的資料開始。如果你檢視原始檔案，你將看到資料按行分組，輸出為0(第三列)，然後是所有的1。我想要改變事物，增加一些隨機性，所以我現在要打亂資料。

我首先將資料從dataframe更改為numpy陣列。這使我將要使用的許多numpy函式更容易使用，例如.shuffle（即打亂或洗牌）。

為了使結果可重複，我設定了一個隨機數種子(5)。在我們完成之後，嘗試改變隨機數種子，看看結果是如何變化的。

接下來，我將70%的資料分成訓練集，30%的資料分成測試集。

最後一步是分離訓練和測試集的特性和輸出。

為了這個例子，我選擇了70%的訓練集和30％的測試集，但我鼓勵你研究其他方法，例如K折交叉驗證（%28statistics%29）。

3.訓練我們的感知器

接下來，我們將訓練我們的感知器。

這很簡單，我們將重用我們在前文構建的程式碼。

讓我們繼續看一看權重與平方誤差之和。

現在這些權值對我們來說並不重要，但是我們將在後面使用這些數字來測試我們的感知器。我們還將使用它將我們的模型與scikit-learn模型進行比較。

看一下平方誤差之和，我們可以看到我們的感知器已經收斂了，這是我們所期望的，因為資料是線性可分的。

4.測試我們的感知器

現在是時候測試我們的感知器了。為了做到這一點，我們將建造一個小的感知器測試函式。

這和我們已經看到的很相似。這個函式取我們使用perceptron_train函式計算的權值的點積，以及特徵，以及啟用函式，來進行預測。

我們唯一沒有看到的是accuracy_score。這是一個來自scikit-learn的評價度量函式。你可以在這裡瞭解更多。

把所有這些放在一起，下面是程式碼：

得分為1.0表明我們的模型正確地預測了所有的測試資料。這個資料集顯然是可分離的，所以我們期望這個結果。

5.與scikit-learn感知器相比

最後一步是將我們的結果與scikit-learn的感知器進行比較。下面是這個模型的程式碼:

現在我們已經訓練了模型，讓我們比較權重和我們的模型計算的權重。

scikit-learn模型中的權重與我們的相同。這意味著我們的模型工作正常，這是個好訊息。

在我們結束之前，有幾個小問題需要複習一下。在scikit-learn模型中，我們必須將隨機狀態設定為"None"並關閉洗牌。因為我們已經設定了一個隨機數種子並打亂了資料，所以我們不需要再這樣做了。

我們還必須將學習速率"eta0"設定為0.1，以與我們的模型相同。

最後一點是截距。因為我們已經包含了一個虛擬的特性列1s，我們正在自動擬合截距，所以我們不需要在scikit-learn感知器中開啟它。

這些看起來都是次要的細節，但如果我們不設定這些，我們就無法複製與我們的模型相同的結果。

這一點很重要。在使用模型之前，閱讀文件並理解所有不同設定的作用是非常重要的。

寫下你的過程

這個過程中的最後一步可能是最重要的。

你已經完成了所有的工作，包括學習、記筆記、從頭開始編寫演算法，並將其與確信的案例進行比較。不要讓前期準備白白浪費掉!

寫下這個過程很重要，原因有二:

1.你會得到更深的理解，因為你正在教導別人你剛剛學到的東西。

2.你可以向潛在僱主展示它。

證明的天賦與能力，但如果你可以自己從頭實現它，那就更令人印象深刻了。

一個展示你作品的好方法是使用GitHub頁面組合（）。

結語

在這篇文章中，我們學習瞭如何實現從零開始編寫機器學習演算法（）。

更重要的是，我們學會了如何找到有用的學習資源，以及如何將演算法分解成塊。

然後，我們學習瞭如何使用較小資料集在程式碼中訓練和測試演算法。

最後，我們將模型的結果與可信的案例進行了比較。

這是一個很好的方法，我們可以在更深層次上了解、學習演算法，這樣你就可以自己實現它。

大多數情況下，你使用的演算法都是準確無誤的，但是如果你真的想更深入地瞭解幕後的情況，從頭開始學習它是一個很好的練習！