Google机器学习笔记 4-5-6 分类器 - 梦里风林 - 博客园

来源： Google机器学习笔记 4-5-6 分类器 – 梦里风林 – 博客园

转载请注明作者：梦里风林
Google Machine Learning Recipes 4
官方中文博客 – 视频地址
Github工程地址 https://github.com/ahangchen/GoogleML
欢迎Star，也欢迎到Issue区讨论

Recipes 4 Let’s Write a Pipeline

复习与强化概念

• 监督学习基础套路
• 例子： 一个用于举报邮件的分类器

关键在于举报新的邮件

• Train vs Test：隔离训练集，测试集以验证训练效果
• f(x) = y
  

  feature: x, label: y, classifier其实就是一个feature到label的函数

• 可以从sklearn中import各种分类器进行训练，各种分类器有类似的接口

这些不同分类器都可以解决类似的问题

• 让算法从数据中学习到底是什么
• 拒绝手工写分类规则代码
• 本质上，是学习feature到label，从输入到输出的函数
• 从一个模型开始，用规则来定义函数
• 根据训练数据调整函数参数
• 从我们发现规律的方法中，找到model
• 比如一条划分两类点的线就是一个分类器的model，调整参数就能得到我们想要的分类器：

• TensorFlow PlayGround

Example of Neural Network

• sklearn 笔记

Recipes 5 Writing Our First Classifier

• 从底层实现一个分类器

目标

实现一个K近邻（k-Nearest Neighbour）问题

K Nearest Neighbour

• 对于一个测试点，看它最近的邻居属于那个类别
• 考虑最近邻居的时候，我们可以综合考虑与这个点距离最近的K个点，看它们中有多少输入类别A，多少属于类别B
• 距离：两点间的直线距离（Euclidean Distance）

• 即考虑各个feature之间差异的平方和

实现

• 在Lesson4的基础上进行，我们在lesson4中使用了KNeighborsClassifier()作为分类器，现在我们要实现这个分类器
• ScrappyKNN：最简单的一个K近邻分类器
• 接口：
  • fit：用于训练，将训练集的feature和label作为输入
  • predict: prediction，将测试集的feature作为输入，输出预测的label
• Random Classifier
  • 随机挑一个label作为预测输出，由于我们是在三种花的结果中随机挑取一种花作为结果，所以结果大概在33%
• KNN:
• 设置k=1，也就是我们只考虑最近的那个点属于那个类别
• 用scipy.spatial.distance来计算距离
• 返回测试点最近邻的label

结论

• 准确率：90%以上（这里也可能看出feature选得好的重要性）
• 优点：非常简单
• 缺点：耗时；不能表示复杂的东西；

Recipes 6 Train an Image Classifier with TensorFlow for Poets

目标

区分图片之间的差异

工具

TensorFlow for Poets

• 高度封装
• 效果奇佳
• 只需要目录中的图片和目录名字作为label，不需要预设feature

数据

• 找出图片中五种花的差异
• 下载地址：http://download.tensorflow.org/example_images/flower_photos.tgz
• 如果你想要用其他的图片类型，你只需要创建一个新的文件夹，放入对应类型的100张以上的图片
• 不需要像Iris数据集那样有预设的feature

分类器

• TensorFlow
• TensorFlow擅长于Deep learning
• 由于提取特征很困难，因为世界上的变数太多了，所以深度学习自动提取特征的功能变得很重要
• TFLearn：高阶的机器学习库
• Image Classifier
• 直接从像素级数据提取特征
• 神经网络
• 可以学习更复杂的函数

实现

• 由于官方视频教程中的语法格式使用的是nightly版本tensorflow的格式，因此对代码稍作修改
• 参考Github·TensorFlow·Issue
• 参考Github·TensorFlow·Skflow·Example
• TensorFlow处理Iris问题
• TensorFlow直接识别文件夹图片
• 耗时大概20分钟
• 基于Inception训练分类器retrain
• Transfer Learning：重用Inception的一些参数

后话

• 图像识别关键在于：Diversity and quantity
• Diversity：样本多样性越多，对新事物的预测能力越强
• Quantity：样本数量越多，分类器越强大