学贯中西(6):阐述ML分类器的工作流程

1   天字第一号ML模型：分类器

在上一期里，曾经在Excel 画面的幕后，设计了一个分类器（Classifier）模型，将各< 诗句> 归类到各自所属的< 作品>。此时，把一个作品名称（如静夜思），当作一个类（Class）。于是，这种ML 模型，就通称为：分类器。在ML（机器学习）领域中，分类器就是天字第1 号模型。

在本专栏的前面几期里，曾经介绍过分类器的幕后实践技术。在本期里，就来把去年介绍过的技术，与华夏的艺术、文化创作，连结起来，让您能够贯通ML 的知识体系及其实现技术，请您回忆上一期的范例（见图1）。

图1 基本范例示意

这是ML 模型的基本技能，它透过机器学习而记住了< 诗句> 与< 作品名称> 之间的关系，也就是分类关系。于是我们就可以把某个< 诗句> 输入给这模型，由它来预测（推论）出其所属的< 作品名称>（参见图2）。

图2 典型的ML分类器模型

这是典型的ML 分类器模型。我们可以建立更多这样的模型，来表达各式各样的事物之间的复杂关系。

2   分类器的学习流程

刚才已经说明了，分类器是一种AI 模型。顾名思义，它经过机器学习，就能在人们的指引下，认识不同种类的图像，或其他事物。换句话说，它就具有分辨出不同种类事物的智慧能力。现在来举例说明其学习流程。

2.1 收集数据

于此，叙述分类器的工作（学习）流程。例如，它就具有分辨出八大山人与毕加索，两种不同画作的风格。首先，收集两个类的画作图像，如图3。

图3 画作图像示意

这些图像是用来训练一个分类器模型。训练完毕之后，它就具有分辨出八大山人与毕加索，两种不同画作的风格。由于分类器是属于监督式学习（Supervised learning），我们先进行分类，并且对各类来贴上标签（Label）。贴上类的标签:^[1]代表<Picasso> 类，而以[0]代表< 八大山人> 类（见图4）。

分类器是属于监督式学习（Supervised learning），我们先进行分类，并且对各类来贴上标签（Label）。贴上类的标签：[1] 代表<Picasso> 类，而以[0]代表< 八大山人> 类。接下来，就来定义这个分类器的架构，包括它的各项参数来配合这些画作图像的大小（即多少像素）。

图4 类标签及分类器

现在，训练数据（Training data）准备好了，模型也定义好了，就可以展开< 机器学习> 了；也就是，开始训练这个分类器模型。

2.2 展开机器学习

●   步骤1：拿第1 笔数据来训练

首先从Picasso 类取出一笔数据（即一张画作），以X 表示之，输入给分类器。同时，把Picasso 类的标签，提供给分类器，做为目标值（Target），简称：T 值（见图5）。

图5 目标值设定

此时，分类器模型就进行推论（Inference）：从X计算出Z。并且计算出Z 与T 的误差。也就是：T–Z =Error（见图6）。

图6 推论产生

图7 分类器参数更新

然后，依据这项误差值（即Error）来更新这分类器的参数，如图7 所示。于是，更新了分类器的参数，让分类器的智慧提升了。此时已经输入第1 笔数据，并对分类器进行1 次迭代（Iteration）的训练了。

●   步骤2：拿第2 笔数据来训练

现在从八大山人类取出一笔数据（即一张画作），以X表示之，输入给分类器。同时，把八大山人类的标签，提供给分类器，做为目标值（T）。此时，分类器模型就进行推论：从X 计算出Z，如图8 所示。

图8 推论Z的产生过程

接下来，就计算出Z 与T 的误差。也就是：T–Z =Error。然后，依据这项误差值（即Error）来更新这分类器的参数（见图9）。

图9 更新后的分类器参数

更新了分类器的参数，让分类器的智慧提升了。此时已经输入2 笔数据，并对分类器进行2 次迭代的训练了。

●   步骤3：继续拿下一笔数据来训练

这是重复< 步骤1> 的学习流程，从Picasso 类取出另一笔数据（即另一张画作），以X 表示之，输入给分类器。同时，把Picasso 类的标签，提供给分类器，做为目标值。此时，分类器模型就进行推论，计算出Z和误差值（Error）。最后，依据这项误差值来更新这分类器的参数。更新了分类器的参数，让分类器的智慧提升了。此时已经输入3 笔数据，并对分类器进行3 次迭代的训练了。

●   步骤4：继续拿下一笔数据来训练

这是重复< 步骤2> 的工作流程，但是从八大山人类别取出另一笔数据（即另一张画作），来输入给分类器。同时，把八大山人类的标签，提供给分类器，做为目标值（T）。此时，分类器模型就进行推论，计算出Z 和误差值。最后，依据这项误差值来更新这分类器的参数，让分类器的智慧提升了。此时已经输入4 笔数据，并对分类器进行4 次迭代的训练了。

●   步骤5：继续重复循环下去

然后，重复循环下去，直到Error 趋近于0 为止。以上是典型的机器学习流程，其中每1 次迭代都各输入1 笔数据给分类器去进行学习（也是训练），也更新1 次模型参数。这样地重复循环下去，就会逐一地把各笔数据（画作）都输入给分类器去学习了。当我们把全部数据都输入给模型去学习了，就称为：学习一回合（Epoch）。

如果学习了一回合之后，发现其误差值（Error）还蛮大的（不接近于0），表示学习得还不够好。于是继续重复下去，也就是进行另一回合的学习，重复循环下去，直到Error 趋近于0 为止。一般而言，机器学习都需要进行数千或数万，或更多回合的学习（训练）过程，Error 才会趋近于0。

3   学习的效果

于此，使用空间对应（Space-mapping）的观念来解释之。输入空间（即X 空间）包含全部数据（画作），经由推论（计算）之后，会对应到输出空间（即Z 空间）。这种对应过程，就通称为：模型推论，如图10 所示。

图10 模型推论

经过数百或数千，或更多回合的学习之后，这分类器就能把这些画作，对应（Mapping）到它们各自所属的类了。

图11 关系的建立

一旦机器学习完成，图11 里的关系建立起来了。计算机（ML 模型）就观察画作的风格，而推论出该幅画作是来自毕加索或是来自八大山人了。

4   结语

前面提到了，分类器是ML 领域的天字第一号模型。为什么它具有这样重要的角色呢? 请您仔细领会一下图11 里的X（空间）与Z（空间）的关系。基于这项关系，ML 模型就观察画作的风格（结果），而推论出该幅画作是来自毕加索（原因）或是来自八大山人了。

于是，X 空间里的事物或其特征，是我们所观察到的结< 果>。而Z 空间里所表达的却是这些结果幕后隐藏的原< 因>。一旦能找到眼前（现实）结果幕后藏的真正的因，我们就能针对此< 因> 而对症下药，就可以改变眼前的< 果> 了。这称为：溯因（Abductive reasoning）推理。君不见，许多人类的科学性创新，大多来自于这项溯因（又称果因）推理能力。请您期待本专栏的继续解说ML 的更多魅力。

（本文来源于威廉希尔 官网app 杂志2022年4月期）