今天要來整理的是關於機器學習裡的問題類型。
剛開始看到這段的時候，我心想——
我就是對資料跟數字超級不行才念語文的，
而且這個看起來是資料處理，跟使用AI沒有太大關係吧？
算了不想搞懂，應該不用懂這個吧？😅
但是後來發現，考試超常考這個的！
唉～還是只好認命的想辦法把它搞懂。
認命的多讀了一下之後，
發現如果把這些資料相關的問題再稍微整理一下，
其實就是在回答：機器學習到底在解什麼問題。
也是很多人在學 AI 時，最容易搞混的地方。
大概可以分成下列幾種常見的問題類型：
➡️迴歸問題
➡️分類問題
➡️聚類問題
➡️時間序列
➡️降維
嗯，每一個字拆開來看都看得懂，
可是組在一起到底是什麼意思？
好吧，先問一下AI，這是什麼玩意。
問完之後，我試著把它整理成一張圖：
機器學習三種常見問題整理（迴歸、分類、聚類）
- 迴歸：預測數值
- 分類：選已知類別
- 聚類：自己分群（沒有答案）
看起來很像，但其實完全不一樣。
迴歸問題（Regression）
我第一次看到「迴歸」這個名詞，
是在說明「線性迴歸」（Linear Regression）的資料中看到的。
我記得我一開始看到「線性迴歸」這個玩意的時候，
腦中一直覺得很疑惑，
「啊不是就是『線性』的嗎？
那它到底是在迴歸什麼東西？
而且為什麼是『迴歸』，不是『回歸』？」
所以蕾依奈爾就直接（不耐煩）的問了AI：
「 所以線性迴歸到底是在迴歸什麼鬼？」
AI回答我說：
「線性迴歸，是一種用資料找關係、預測數值的方法」。
嗯？那它根本就沒有「迴歸」嘛！😑（莫名的有點怒）
繼續追問下去，原來是以前有個統計學家，
觀察到人的身高會「往平均值靠近」的現象，
也就是說高個子的父母，小孩雖然也高，
但通常不會比父母更高，而是會「矮一點點」；
反之，矮個子的父母，小孩會比父母「高一點點」。
統計學家把這個現象稱為「迴歸到平均」，
才有了 regression（迴歸）這個說法。
😑
我只能說，如果是依照蕾依奈爾的語言腦，
我會用「趨近」平均值的概念來命名，不會用regresssion。
不過因為我不是厲害的統計學家，
所以我能說什麼呢😅
至於為什麼翻成「迴歸」、而不是「回歸」，
這就更無解了。
而且現在看到好多高父母，生出來的小孩都比父母高很多。
然後我也沒有比我爸媽高……
決定放棄追問。
所以總之，「迴歸」原本指的是，
數據會「向平均值靠近」的現象，
像線性迴歸這種方法。
（至於「邏輯迴歸」其實是用來做分類，等一下解釋。總之這名字真的很會誤導人😓）
這套方法被廣泛應用在資料處理上，
變成了「找尋變數間關係」的意思。
由於可以找出資料之間的大致趨勢跟關係，
因此最後可以用來進行預測。
現在機器學習裡的「迴歸」，
已經不是在講「回到平均」這件事了。
所以「迴歸問題」其實就是：
「根據已經有的資料，找出一個趨勢，然後用來預測數值。」
比方說，丟給機器或程式一堆資料：
好比房子的坪數、地段、屋齡……等資料，
它就會試著畫出一條「最合理的線」，
然後告訴你，
這間房子，大概值多少錢。
可惜蕾依奈爾不是統計學家也還不會寫程式，
不然如果做一個台股大盤迴歸預測，
說不定可以實現財務自由😏
至於「迴歸」的演算法，
最常見的就是線性迴歸（用一條線去描述關係），
其他像是多項式迴歸或決策樹迴歸，
其實都是在用不同方式做同一件事：
「猜一個數字」。
分類問題（Classification）
嗯～好，所以迴歸是指「找尋變數間關係」，
而且這個名詞最早是指「向平均值靠近」，
現在多半用來指一種「用來預測數值」的方法。
所以，
——「邏輯迴歸」——
應該是符合某種邏輯、或是運用某些邏輯，
來進行迴歸的一種方式囉？
😑
統計學家的腦袋構造果然跟我的語言腦長的不一樣。
AI了一下之後，發現邏輯迴歸的定義是：
——邏輯迴歸（Logistic Regression） 是一種用來解決「分類問題」的統計工具。——
❓
那它哪裡有在做迴歸？？邏輯在哪裡？？
原來所謂的「邏輯」，
其實不是什麼「很有邏輯的推理」，
而是指一個叫做 logistic function 的數學函數。
「迴歸」的部分，
則是因為它在計算的過程中，
先算出一個數值，
再把這個數值轉換成一個介於 0 到 1 之間的機率。
這個機率值，
不是拿來當最終答案，
而是被拿來判斷是「哪一類」的機率。
比如說，
- 0或1
- 是或否
- A或B
所以可以導出「是」或「不是」的分類結果。
邏輯迴歸是分類問題當中最常見的演算法之一。
因為分類問題通常就是在問是「A」、還是「B」？
（當然，有時候也可以分成不只兩類，但最常見的是這種二選一的情況。）
好吧～跨領域通常都是一個
「打破現有藩籬、包容未知（儘管我覺得有點不合理）的東西」的過程。
就像不懂日文的人，第一次看到，
——「家族が住宅で一家心中」——
大概會以為是什麼大家族在家裡，
一家和樂融融互通彼此心裡的想法，
之類的意思。
😑
……漢字拆開來每個字都能理解。
但猜起來意思完全不對。
其實家族指的是一家人，不是整個大家族。
心中指的是一起自S。
所以整句話意思是
「一家人在家裡集體自S」。
——照這樣來說，我也不應該用我自以為的字面意思去解釋。
好，所以這個邏輯迴歸的定義，我買單。
結論就是，
分類問題是一個「把資料分到不同標籤裡」的過程。
比方說：
這封信是正常信件，還是垃圾信件？
這個保戶是高風險，還是低風險？
而邏輯迴歸，是分類問題中最常見的演算法之一。
其他還包括：
- 決策樹（Decision Tree）
➡️ 像問問題一路分下去，很像 ADV 攻略路徑圖，最後會有 GE 跟 BE 的決策。 - 支持向量機（Support Vector Machine）
➡️ 在中間畫一條線把兩類分開，名字看起來很像**A夢的道具，但其實不是什麼機器。 - K-近鄰演算法（K-Nearest Neighbors）
➡️ 看你附近的人是誰，是分類不是聚類。
聚類問題（Clustering）
雖然說，
不應該用字面意思來自己腦補，
但是大腦是用語言來思考的，
看到陌生名詞的第一瞬間，
還是會用語言的意思去嘗試理解。
分類，
把一堆東西分成不同類別。
聚類，
把一堆東西分類之後放在一起……？
❓
蛤？？不一樣喔？？
啊聚類，不就是一堆東西分類之後，
類似的東西分在一起嗎？
😑
統計學家的腦果然不是我想像的那個樣子。
嗯？還是說應該是翻譯前輩們的問題？
為什麼要翻成這麼令人混淆的詞彙😑
原來事實是：
「分類」（Classification）是：
你已經知道有哪些類別， 然後再把資料分進去。
答案是在這之前就已經存在的。
在訓練的方法上也不一樣，
分類是監督式學習 (Supervised Learning)。
也就是說電腦在學習時，你已經告訴過它答案了（有標籤）。
就像你拿到一堆餐盒要發放，
上面已經寫好：
- 便當
- 甜點
你只要做一件事：把餐盒放到對的分類裡
然後把便當發給要吃便當的人，
把甜點發給要吃甜點的人。
不過，「聚類」（Clustering）就不是這麼運作的。
聚類，是一個根據資料之間的相似程度，
機器自己把東西分成一群一群的過程。
機器一開始就沒有標準答案，
也不知道「要分成幾類」，
沒有人告訴它答案是什麼，
它得自己依照現有資訊把資料分成關係相近的類別。
比如說，有一堆餐盒，
上面什麼標示都沒有寫。
你只能自己看：
- 這些看起來像主食
- 那些看起來像甜的
然後自己把餐盒分到「主食」、跟「甜點」的類別去。
在訓練的方法上，聚類是非監督式學習 (Unsupervised Learning)。
機器事先不知道答案，需要自己找規律（無標籤）。
而在聚類問題當中，最常出現演算法是：
- K-平均演算法 （K-means）
簡單來說，
就是把一堆東西分成幾堆， 讓「看起來像的放在一起」。
如果把分類跟聚類放在一起看，差別大概是下面這樣。
嗯～不禁覺得我一開始決定用英文來記相關的專有名詞，
是正確的決定。
如果看到 Classification vs. Clustering，
應該就比較不會覺得這兩個很像了。
如果你的目的是通過iPAS考試，
因為考題上面的專有名詞都會同時標示中英文，
應該也不會只記英文不知道中文考題在問什麼。
所以用英文記絕對不吃虧的。
一句話記住這三種問題的差別
最後如果用一句話來說：
➡️迴歸是「要你猜一個數值」（預測數值），
➡️分類是「答案已經給你了，你只要選一個」（有答案的分組），
➡️聚類是「連答案都沒有，你要自己分出來」（沒有答案的分組）。
至於一開始提到的「時間序列」跟「降維」，
它們的性質其實跟迴歸、分類、聚類不太一樣。
上述這幾種問題比較像是在回答：
「這個問題在問什麼？」
而時間序列跟降維，
更偏向是在處理「資料本身的特性」。
所以這兩個，就留到下次有機會再來整理好了😊
