机器学习训练数据结构答案

【问题标题】：machine learning training data structure机器学习训练数据结构
【发布时间】：2017-04-06 03:48:00
【问题描述】：

我有一个关于机器学习训练数据的问题。

有没有办法构造数据，以便算法学会在数据点之间建立关联。例如，如果我假设我想训练关于猫吃什么的算法，我该如何构建训练数据，以便算法学会将猫与它们吃的食物联系起来？

谢谢。

【问题讨论】：

标签： machine-learning

【解决方案1】：

看来您开始学习机器学习了。让我们扩展您的示例。我想你可能会在这里问两个问题

(1) 如何判断猫喜欢吃什么？ (2) 如果我知道一些关于猫的额外事实，我如何预测猫会吃什么？我如何构建数据来实现这一点？

(1) 这是 Thomas Pinetz 所指的解释。要回答“猫喜欢吃什么”这个问题，您不需要大多数人认为的“机器学习”。您可以进行调查，然后使用统计关联测试。但我不认为这是你在这里要求的......

(2) 这是机器学习。这不仅仅是结构化数据。 请注意，以下所有内容都过于简单化了。 机器学习的训练数据通常以“实例”的形式构建。假设你有两种食物（“kibbles”和“tuna”）并考虑这个例子：

Cat / Features | eye-color | coat-color | ear-length-cm | **food**  | 
----           | ----      | ----       | ----          |  ---      | 
Socks          | "green"   | "brown"    | 3.0           | "kibbles" | 
Jimmy          | "blue"    | "gray"     | 3.7           | "tuna"    |
Snowball       | "green"   | "white"    | 2.9           | "kibbles" |
MrTumnus       | "blue"    | NA         | 3.1           | "tuna"    | 
Tosca          | "blue"    | "orange"   | 3.2           | "kibbles" | 
...            | ...       | ...        | ...           | ...       |

（希望有比这更大的训练集...）上面的每一行都是一个“实例”。中间的三列是关于每只猫的特征和事实。最后一列是有问题的猫喜欢吃的食物，通常称为“类别标签”。第一栏是猫的名字，我是为了好玩而编的。这是无用的信息，但它让我们在这里更容易地引用我们的实例。

在这种情况下，您的目标是使用中间三列（即您的特征）来预测类别标签。像这样结构化的数据是机器学习问题的常见起点。

现在，当您选择一种解决问题的方法时，您将面临一些额外的问题： (1) MrTumnus 实例缺少数据，他的“外套颜色”为 NA。 (2) 你有连续的（耳朵长度-厘米）和离散的（眼睛颜色，毛色）特征，取决于你在这个问题上抛出的算法，使用这两种数据可能很困难。

假设您只考虑离散特征（眼睛颜色和外套颜色）。我们可以想象的一些机器学习算法可能会获取这些数据，并计算如下概率：

P(eye-color = "green", food = "kibbles")
P（外套颜色 = “白色”，食物 = “金枪鱼”）
P(coat-color = "white", eye-color="blue", food="tuna")
等。你可以看到这是怎么回事。

这给了我们一个模型 CatFood(eye-color, coat-color)，它可以返回猫最有可能喜欢的食物，给定眼睛颜色和被毛颜色。更多问题：如果提供了我们以前从未见过的眼睛颜色或毛色怎么办？刮擦表面。

然后，当你面前有一只新猫，你想根据它的眼睛颜色和毛色来了解它可能喜欢吃什么，你会收集你需要的数据，然后申请你的模型。这是您的新实例：

Cat / Features | eye-color | coat-color | **food**  | 
----           | ----      | ----       |  ---      | 
Oswald         | "blue"    | "orange"   |    ?      |

假设现在我们应用我们的模型 CatFood("blue", "organge")。它可以追溯到根据我们的训练数据计算的概率，并会告诉我们根据模型，猫最有可能想吃什么食物。

【讨论】：

非常感谢您的回答并花时间编写此示例。它帮助我理解了很多。如果我想训练算法在两个元素之间建立关联，我可以采用相同的方法吗？例如，给定特定问题的最佳行动方案？那么，给定问题 A，解决方案 B 是最好的吗？
如果您想评估一种方法 A 的性能，并将其与另一种方法 B 进行比较，您需要“验证”。有很多方法可以做到这一点；最简单的（解释）是拥有一个 second 独立数据集，您知道该数据集的类别标签，并且您不将其用于训练。然后，您可以在这个新数据集上评估 A、B 的性能（准确性、误报、误报等），并决定哪种方法最适合您的应用程序。
非常感谢您的帮助。我有另一个想问的情况。如果我想训练一个关联两个元素的模型，我将如何构建训练数据。例如，一种食物及其食谱，然后能够将食谱传递给模型并让它输出食物，反之亦然。所以，如果我输入纸杯蛋糕的食谱，模型能够告诉我这个食谱对应的食物是纸杯蛋糕，或者如果我输入纸杯蛋糕，模型能够输出食谱。谢谢。
上一页。评论是偶然的，威尔德尔。首先，如果映射到“纸杯蛋糕”的食谱是不变的，那么这不是机器学习。我想你想将一堆纸杯蛋糕（红色天鹅绒、巧克力、香草）的食谱映射到“纸杯蛋糕”，然后映射“纸杯蛋糕”到一些“基本配方”等。不用想太多，也许（1）两个模型，应用一个或另一个，或者（2）你想在模型的架构中添加额外的层，想想它就像一个决策树/图表（例如，首先确定查询是食谱还是食物，......等等）。听起来您正在朝着神经网络的方向努力。

【解决方案2】：

这是纯粹的统计数据。机器学习是对事物的未来进行预测的艺术。如果您想预测您的猫接下来要吃什么，则可以应用机器学习算法。

但是你想发现猫吃什么之间的对应关系。如果你真的想知道这一点，你应该问几个有猫的人他们在吃什么，并使用一些统计模型来找到平均值。

【讨论】：

非常感谢您的回答。