[10分鐘搞懂機器學習] Machine Learning 初學者教學 機器學習入門 Python深度學習 ML Mindset
4 次觀看·2024年3月22日
*本系列影片主題為「趨勢、潛力預測」
*想要實作本影片的學理概念? https://youtu.be/J-QUaE86DHQ
大家好,我是 Yolandi
我們今天要考慮機器學習裡面
一個很重要的問題
叫做數值預測
為什麼要去考慮這個問題呢?
我們舉幾個情境的使用
比如說假設你是做市場行銷的
你可能想要知道你的產品銷售量
到底可以達到多少
那影響產品銷售量的因素可能很多
比如說你到底花多少錢去做廣告
你產品的定價等等
在金融領域
你可能要做基金的風險評估
像是預測標準差、β指數
或者是下滑指數等等
如果是房仲業呢
你在交易買賣的時候
可能要提供賣房的或買房的
當地的房地產的參考價錢
在醫療保健方面
你想要預測
其弊的風險發生的機率是多少
也可以使用這樣一個方法
那最後一個例子是在能源領域
現在很多綠色能源
像太陽光電、像風力
那有一個問題就是
因為這些產生的量不是很確定
會影響到我們的需求和供給
這時候如果你可以有
很好的綠能生產預測
就可以大幅降低生產過剩的問題
或者是來不及處理電力的問題
好,那我們在去探討這個問題之前
我們先來講一個點和點相連的遊戲
這是我女兒小時候喜歡玩的遊戲
就是你有很多個點
然後你要想辦法把這些點去連起來
就會產生一個圖形
那因為小朋友他的眼睛和手的協調
不是那麼好
所以他常常會畫歪
那怎麼辦呢
他就非常挫折
就哭起來了
那我常常會鼓勵我女兒說
你不要太擔心
事實上你已經很厲害了
為什麼呢
因為你已經學會了一個方法
這個方法就叫做線性回歸
所以到底要怎麼去做預測
就叫做線性回歸
什麼是線性回歸呢
這個線性回歸呢
有的時候我們也稱為多項式回歸
它基本的概念是一樣的
就是你希望使用很大量的資料
找到符合趨勢的模型
這是第一步驟
就是剛才我們把那些點連起來
形成一個愛心的步驟
接下來有第二個使用的步驟
你要用這個模型去預測一個數值
這些數值可能代表一個趨勢
接下來我們用幾個範例
來徹底瞭解線性回歸
或者是多項式回歸是怎麼運作的
首先你要有一大筆資料
這邊資料在左圖裡面
我們就使用這些藍色的點點代表
然後呢你希望做的什麼事情
你希望去把這些資料
找到一個符合這資料的模型找出來
那如果看一下你這個趨勢
你會覺得好像這個直線
大概是符合這個資料的趨勢
那這個就是我的模型
透過資料去找模型的方法
就叫做線性回歸
事實上這邊有100個點
那每一個點我們可以用數學上的符號
X和Y來代表
我們在機器學習的術語裡面
會說是X這個輸入叫做特徵
我的輸出Y
它可以有很多很多的意義
這邊因為是一個直線
所以它關係式就可以寫成
Y等於AX加B的形式
在你去找模型的過程
其實你就要決定這個系統的參數
這個參數就是我的A和B
所以如果你把A和B找出來了
代表你就是把這個紅線
你的模型找出來了
我們這邊舉一個例子
譬如說我們剛剛前面談到
能源的應用
我的Y可能就是太陽能板
產生太陽能輸出的量
我的X可能就是我的陽光照度
所以譬如說
接下來我們假設我知道
接下來數分鐘
太陽照度可能是在X在這個附近
那麼我們就可以預測出來
太陽能的輸出
可能就是在6點多到7之間
這就怎麼樣去使用一個模型
去做預測
那當然你會說
它們的關係可能就不是直線
還有可能是更複雜的關係
是非線性的資料
所以我們再舉第二個例子
可以使用多項式回歸
在這個例子一樣
我們可能收集了100個點
100個資料
然後這些資料的形式
就是像這個樣子
我們看得到這個資料的趨勢
就不太像剛剛的直線
所以我們認為它應該就是一個
一個拋物線的形狀
我們知道拋物線的方程式
是長這樣子
Y等於AX平方加BX加上C
我們要決定什麼參數呢
就是這個ABC三個參數
方法使用多項式回歸
就可以幫助我們計算出
ABC這三個參數
計算完以後
我們就得到了這個紅色線
這個模型
我們也舉一個例子
比如說以房地產的方例為主
我們的輸出Y可能就是房價
那我的X
我們的特徵可能是什麼
它可能是房子的邊長
一般我們講房價可能最影響的
可能不是房子的邊長
它可能是房子的面積大小
所以X平方就是見平
就是面積的概念
所以我們可以利用這樣的模型
很粗略的去估測
房子的大小跟房價之間的關係
那如果你的房價
跟我的房子邊長的關係不太明顯
我們算出來結果
B可能就是非常小
甚至是零
這就是如何使用多項式回歸
來處理非線性的資料集
可是你當然會有一個疑問
就是在實作上
在實際的應用層面
我們決定房價的因素實在太多
不會那麼簡單
就是一個房子的面積
我們在前面能源
太陽能產生量
可能也不只有陽光的照度
它可能還有其他的因素
比如說濕度
可能也會影響到它的產生量
換句話說
你的輸出 你的Y值
它的影響的特徵X
可能有很多個
那怎麼辦呢
這就是所謂的多特徵的回歸問題
我們再來看一個例子
這個例子以市場的行銷範例為主
今天假設你想要預測
你的產品的銷量
它會影響產品銷量就可能很多
比如說像產品的價格
比如說像你到底花多少錢
去推廣你這個產品
推廣你的品牌
所以它就是多個特徵的回歸問題了
這時候我們就把Y
定義成產品的銷量
我第一個特徵X1
就定義成產品的價格
第二個特徵X2
就把它定義成品牌的推廣費
我可以把我過去
賣產品的資料去建模
所以這邊有很多的藍色點點
就是我過去的資料
我過去可能賣類似的產品
價格是多少
然後花多少錢去做推廣
然後最後得到的產品銷量
就是某一個點
那你有過去歷史資料
你就可以有很多很多很多這個點
然後利用過去的歷史資料
我就建一個模型
這個模型就是產品銷量
把它看成是產品價格
還有品牌推廣費的一個函數
它的函數關係是就長這個樣子
它是在二維空間中的一個平面
我們要決定什麼呢
我們要決定這邊三個參數ABC
但你不需要自己去做計算
你只要有一個簡單的程式
它就可以幫你做計算
決定這個系統參數ABC
當你決定好以後
你就有這個排面這個模型
所以下一次
假設你有一個新開發一個產品
你想要知道我到底要怎麼去定價
以及要花多少錢去行銷
它對應的產品可能的銷量是多少
就可以利用這個紅色的模型
去做初步的判斷
所以這怎麼使用回歸的方式
來去做市場行銷的預測
在這個單元裡面
你學到了機器學習一個很重要的概念
叫做回歸分析
如果你今天資料是呈現線性的狀態
你可以使用線性回歸
如果你今天資料呈現非線性的架構
你可以使用多項式回歸
那不管怎麼樣
當你選定了一個方法以後
你會使用程式撰寫這個流程
然後去找出一個模型
再利用那個模型去做數字上的預測
那你會想到一個問題就是
那你到底需不需要學習程式語言呢
我的答案是在大部分情況底下
對一個入門者而言你是不需要的
為什麼呢
比如說你今天是一個
某家公司的小主管
你在瞭解機器學習人工智慧以後
你發現某一項工作
某一項技術
可能可以使用人工智慧的方式
提升它的效果
或者是減少人力的使用
那麼你就要去找底下的工程師
告訴他有這個方法
請工程師想辦法把它去做實現
這樣就足夠了
所以你自己本身不需要去學
怎麼去撰寫程式
比如說你今天是一個房仲業者
你手上有很多很多房地產的資料
你有一個很大的數據在後面
那你需要自己去寫程式
然後把這些數據把它抓出來
然後再去建模型嗎
通常也不需要
你可以去直接找一家
簡單的一個軟體公司
用按鍵的方式記籌
你就可以得到這樣的功能
但是你要有
但是你先前條件是
你要知道人工智慧
可以幫助你去做這樣一個事情
那假設你是做銷售的
你有好幾年的銷售經驗
所以你的後臺上
有過去很多很多的歷史資料
你希望用這些歷史資料
去創造更多可能的市場
你知道人工智慧裡面
有很多的方法可以做使用
這時候也是一樣
你就去外包給一個軟體公司
它就可以幫你解決
所以絕大部分
你是不需要去做程式撰寫的
除非在某些條件底下
你纔去考慮這個問題
在下一個視頻裡面
我們就會告訴你
在哪些情況底下
你需要學習程式語言
同時我們會簡單的示範
怎麼去寫程式

