前言
這幾天的文章會是一系列的，會需要一起看才比較能看懂整個ML模型的輪廓，
然而因為一天能寫的內容量有限，所以我會在前言部分稍微說明我寫到哪。
複習一下ML的整個訓練過程
因為ML模型的訓練階段章節內容會分很多部分，我們要先確認好自己在哪個階段，
以免吸收新內容卻不知道用在內容的什麼地方。
★ 「訓練一個ML模型」的整個過程：這裡以監督式學習(Supervised Learning)為例
| 階段 | 要做的事情 | 簡介 |
|---|---|---|
(訓練前) | 決定資料集與分析資料 | 你想要預測的是什麼資料? 這邊需要先知道 example、label、features的概念。介紹可參考：【Day 15】，而我們這次作為範例的訓練資料集介紹在【Day 19】。 |
(訓練前) | 決定問題種類 | 依據資料，會知道是什麼類型的問題。regression problem(回歸問題)? classification problem(分類問題)? 此處可參考：【Day 16】、與進階內容：【Day 17】 |
(訓練前) | 決定ML模型(ML models) | 依據問題的種類，會知道需要使用什麼對應的ML模型。回歸模型(Regression model)? 分類模型(Classification model)? 此處可參考：【Day 18】，神經網路(neural network)? 簡介於：【Day 25】 |
| (模型裡面的參數) | ML模型裡面的參數(parameters)與超參數(hyper-parameters) 此處可參考：【Day 18】 | |
(訓練中) 調整模型 | 評估當前模型好壞 | 損失函數(Loss Functions)：使用損失函數評估目前模型的好與壞。以MSE(Mean Squared Error), RMSE(Root Mean Squared Error), 交叉熵(Cross Entropy)為例。此處可參考：【Day 20】 |
(訓練中) 調整模型 | 修正模型參數 | 以梯度下降法 (Gradient Descent)為例：決定模型中參數的修正「方向」與「步長(step size)」此處可參考：【Day 21】 |
(訓練中) 調整腳步 | 調整學習腳步 | 透過學習速率(learning rate)來調整ML模型訓練的步長(step size)，調整學習腳步。(此參數在訓練前設定，為hyper-parameter)。此處可參考：【Day 22】 |
(訓練中) 加快訓練 | 取樣與分堆 | 設定batch size，透過batch從訓練目標中取樣，來加快ML模型訓練的速度。(此參數在訓練前設定，為hyper-parameter)。與迭代(iteration),epoch介紹。此處可參考：【Day 23】 |
(訓練中) 加快訓練 | 檢查loss的頻率 | 調整「檢查loss的頻率」，依據時間(Time-based)與步驟(Step-based)。此處可參考：【Day 23】 |
(訓練中) 完成訓練 | (loop) -> 完成 | 重覆過程(評估當前模型好壞 -> 修正模型參數)，直到能通過「驗證資料集(Validation)」的驗證即可結束訓練。此處可參考：【Day 27】 |
(訓練後) | 訓練結果可能問題 | 「不適當的最小loss?」 此處可參考：【Day 28】 |
(訓練後) | 訓練結果可能問題 | 欠擬合(underfitting)?過度擬合(overfitting)? 此處可參考：【Day 26】 |
(訓練後) | 評估 – 性能指標 | 性能指標(performance metrics)：以混淆矩陣(confusion matrix)分析，包含「Accuracy」、「Precision」、「Recall」三種評估指標。簡介於：【Day 28】、詳細介紹於：【Day 29】 |
(訓練後) | 評估 – 新資料適用性 | 泛化(Generalization)：對於新資料、沒看過的資料的模型適用性。此處可參考：【Day 26】 |
(訓練後) | 評估 – 模型測試 | 使用「獨立測試資料集(Test)」測試? 使用交叉驗證(cross-validation)(又稱bootstrapping)測試? 此處可參考：【Day 27】 |
| (資料分堆的方式) | (訓練前) 依據上方「模型測試」的方法，決定資料分堆的方式：訓練用(Training)、驗證用(Validation)、測試用(Test)。此處可參考：【Day 27】 |
★ 從上面的訓練中，找到「最好的」ML模型：【Day 27】
原因：「訓練好一個模型」不等於「找到最好的模型」
| 階段 | 要做的事情 |
|---|---|
(訓練模型) | 使用「訓練資料集(Training)」訓練模型(調整參數)，也就是「上方表格」在做的內容 |
(結束訓練) | 訓練到通過「驗證資料集(Validation)」結束訓練(未達到overfitting的狀態前) |
(模型再調整) | 超參數(hyperparameters)調整或神經網路的「layer數」或「使用的node數」(一些訓練前就會先決定的東西) |
| (loop) | (模型再調整)後，重複上述(訓練模型)、(結束訓練)，完成訓練新的模型 |
(找到最佳模型) | 從「所有訓練的模型」中，找到能使「驗證用資料集(Validation)」最小的loss，完成(找到最佳模型) |
(決定是否生產) | 可以開始決定要不要將此ML模型投入生產。此時我們可以使用「獨立測試資料集(Test)」測試? 使用交叉驗證(cross-validation)(又稱bootstrapping)測試? |
★小實驗系列：
| 文章 | 實驗內容 |
|---|---|
| 【Day 24】 | TensorFlow Playground 的簡介與介面介紹 |
| 【Day 24】 | learning rate 的改變對訓練過程的影響 |
| 【Day 25】 | 使用神經網路(neural network)分類資料 |
| 【Day 25】 | 觀察batch size如何影響gradient descent |
Course – Launching into Machine Learning
第三章節的課程地圖：(紅字標記為本篇文章中會介紹到的章節)
* Optimization
* Introduction to Optimization
* Introduction
* Defining ML Models
* Defining ML Models
* Introducing the Natality Dataset
* Introducing Loss Functions
* Gradient Descent
* Gradient Descent
* Troubleshooting a Loss Curve
* ML Model Pitfalls
* TensorFlow Playground
* Lab: Introducing the TensorFlow Playground
* Lab: TensorFlow Playground – Advanced
* Lab: Practicing with Neural Networks
* Loss Curve Troubleshooting
* Performance Metrics
* Performance Metrics
* Confusion Matrix
* Module Quiz
0. 先整理今天重點
★ 混淆矩陣(confusion matrix)：
「模型預測」為真 (positive) | 「模型預測」為非 (negative) | |
|---|---|---|
| 「真實情況」為真 | true positive (TP) | false negative (FN) |
| 「真實情況」為非 | false positive (FP) | true negative (TN) |
簡單來說，我們「模型預測」只要是正面肯定的，就是「positive」，否定則是「negative」，
再來判定結果正不正確，只要「實際答案(label)」與「模型預測」不同就是「false」，相同就是「true」。
★ 比較三種指標「Accuracy」、「Precision」、「Recall」：
| 指標種類 | Accuracy | Precision | Recall |
|---|---|---|---|
| 計算方法 | [(TP)+(TN)]/全部資料總數 | (TP)/「模型預測」為 positive 的總數 | (TP)/「真實資料」為 positive 的總數 |
| 公式變形 | – | (TP)/[(TP)+false positive(FP)] | (TP)/[(TP)+false negative(FN)] |
| 中文解釋 | 「預測」與「判斷」皆完全正確的 (包含「真預測為真(TP)」與「非預測為非(TN)」) | 「模型預測」為真(TP+FP)，而「真實資料」為真的比率 | 「真實資料」為真(TP+FN)，而「模型預測」為真的比率 |
| 重視的點 | 最經典的顯示模型的正確度 | 我們比較重視「模型預測為真」的結果，是否能符合現實。 | 我們比較重視「真實為真」的結果，模型能不能預測到。 |
| 影響 | – | 「真實為非(FN)」的影響相對比較還好。 | 「模型預測為非(FP)」的影響相對比較還好。 |
| 例子 | 都是例子 | 下雨：預測為非(預測雨天，但實際晴天)，我們帶傘出門相對還好。 | 成績預警：預測為非(預測成績不好，但實際還ok)，我們告知要注意成績相對還好。 |
| 例子造成影響 | – | 「真實為非(FN)」還好 = 實際晴天的影響還好。 | 「模型預測為非(FP)」還好 = 誤發的成績預警影響還好。 |
| 對應的反例 | – | (這裡如果重視Recall：則變成「預測晴天，但實際雨天，卻沒帶傘。」) | (這裡如果重視Precision：則變成「預測成績還好，但實際不ok，卻沒有通知學生注意成績。」) |
1. Confusion Matrix
課程地圖
* Optimization
* Performance Metrics
* Confusion Matrix
1.1. 混淆矩陣(confusion matrix)
這是一個使用ML模型作臉部辨識的例子，
* 可以看到我們的模型不正確的將「雕像的臉」辨識為「真實人臉」，
這種情況我們稱為「false positive」。
- 另外可以看到我們的模型錯誤的將被冬天衣服遮住的「真實人臉」辨識為「非人臉」，
這種情況我們稱為「false negative」。
自己的註：
簡單來說，我們「模型預測」只要是正面肯定的，就是「positive」，否定則是「negative」，
再來判定結果正不正確，只要「實際答案(label)」與「模型預測」不同就是「false」，相同就是「true」。
混淆矩陣(confusion matrix)能夠使用我們量化的評估模型的性能，
我們現在有四個數字，各個象限各一個。
然而我們通常只會用一個數字告訴別人我們的模型有多好，我們應該介紹哪一個?
我們再來用下一個分類的例子來作更細的講解。
1.2. Precision
- 如果我們知道一個停車位是可以用的，則他的
label為「positive」， - 如果我們的模型也預測這個停車位可以用，則我們稱為「true positive」
- 如果我們知道「沒有可以用的」停車位，
但我們的模型仍然「預測有」可以停的車位，
我們稱這種情況為「false positive」或「type I error」，
為了比較我們模型做的「positive」預測有多好，我們稱這個指標為「precision」
如果「precision」很高，當我們說有可用的停車位，我們可以非常確定真的有車位。
「precision」如果是 1.0，表示「我們預測可用」的停車位中，這些車位實際上都真的是可用的。
但缺點是，我們可能會遺失一些「我們預測不可用」的停車位，但實際上是可用的。
這種情況我們稱為「false negatives」。
再來我們用數學方式來講「Precision」的正式定義，
- 「Precision」 = 「true positives」/ 「所有被模型預測positive的結果」
然後我們再看回這個混淆矩陣(confusion matrix)，
增加什麼因素會造成我們的精度下降呢?
答：增加「false positives」。
在停車場的例子中，模型預測「有空位的」，但實際上「並沒有空位」，
就會造成「false positives」增加，使「Precision」下降。
★ 自己的註：
「Precision」 = 「true positives」/ 「模型預測的所有positive」，
也可以說 = 「true positives」/ 「false positives + true positives」
如果看「Precision」=「true positives」/ 「false positives + true positives」
我們應該能更容易理解為何「false positives」的增加，會使「Precision」下降。
1.3. Recall
Recall 與 precision 通常有著相反的關係，代表著不同的指標。
- 我們「預測不可用」的停車位，但實際上是「可用」的，這種情況稱為「false negatives」。
如果一個模型有很高的「Recall」，
我們會因為發現實際上很多可以停的位置感到開心。
「Recall」如果是 1.0，表示我們預測可用的車位有10個，就真的有10個。
但實際上有些可能實際上是「可用」的車位，但我們卻說是「不可用」的。
- 「Recall」 = 「true positives」/ 「所有被真實中是positive的結果」
★ 自己的註：
「Recall」 = 「true positives」/ 「所有被真實中是positive的結果」
也可以說 = 「true positives」/ 「false negatives + true positives」
而「false negatives」指的是「真實中是，我們卻預測不是的」。
當「false negatives」的增加，會使「Recall」下降。
★ Precision 與 Recall 自己的小總結：
這其實有點像心理學，當我告訴你東西很少，但實際發現很多，你會很開心。
這就是「Recall」指標，東西可能會比實際預估的還要多。
另外「Precision」則是比較像寧願誤判也不可以有漏網之魚，
我們告訴你的東西很多，但實際有可能會比較少一點，這就是「Precision」指標。實際運用的話，像是判斷疾病，
應該要用「Precision」指標(有疾病為positives)，寧願誤判也不可以漏掉。
或者舉另外一個例子，如果用來判斷下雨的話(有下雨為positives)，
寧願預測說有下雨，實際卻沒下(比起預測沒下雨，實際卻下雨了好很多。)
(不過以結果來說，當然還是預測越準越好)適合用「Recall」指標的情況，例如以期中預警為例(成績還行為positives)，
正確預測是好事，但如果錯誤預測，
寧願「成績還行」卻「告知學生要注意成績(成績不行)」，
總會比「成績不行」卻「沒告知學生注意成績(成績還行)」的好。
(一樣的以結果來說，當然還是預測越準越好)
1.4. 來看另外一個例子：比較「accuracy」、「precision」、「Recall」
這裡我們將會看到很多圖片，這些圖片裡面有些是貓，有些不是，
我們可以先自己試著判斷看看，然後我們再來看模型預測的結果。
希望你有正確判斷出含有貓圖片的圖，特別注意紅框處有一隻隱藏的貓。
而出於我們預測的目的，老虎我們在這例子並不被歸類為貓。
而我們也看我們的模型預測的結果，我們將這結果與我們的已知(label)比較，
我們來衡量一下模型判斷的結果。
整體看起來，我們的模型的準確率是3/8 = 0.375，
也就是說我們模型的「accuracy」= 0.375，
但「accuracy」指標不一定就是描述模型的最好的指標。
我們現在來看我們的這些貓與非貓的資料，我們模型的「precision」是多少?
我們的模型總共預測了五張屬於「positive」的分類，
但實際上真實是貓的只有兩張，所以「precision」= 2/5 = 0.4
「Recall」像是一個不喜歡作出「positive」決定的人，
這裡我們看到所有「代表貓」的真實例子(label)，
我們拿我們模型的預測只與這些「代表貓」的結果比較。
我們得到的「Recall」為 2/4 = 0.5，
換句話說這個是從所有真實應該為貓的圖片，
看我們的模型有預測有多準確(true positives)，
這個就是「Recall」指標。
1.5. 段落小整理
- 這邊我們把最佳化這個章節的全部內容在做個小整理。
首先，我們先定義ML模型為一組參數與超參數的組合，
我們所嘗試的優化，就是指在參數空間(parameter space)中搜索最佳參數。接下來，我們介紹了
損失函數(loss function)，
這也是我們在訓練階段中，評估與量化模型現在性能的方式。
我們針對
損失函數(loss function)討論了兩種方法，
用於線性回歸(linear regression)的RMSE、
用於分類任務的交叉熵(cross-entropy)，
透過分析梯度下降(gradient descent)，
我們能夠決定前進的方向與步長，
這使我們知道如何在loss表面進行搜索，以尋找最佳參數。
- 我們在
TensorFlow playground對於不同的ML模型進行實驗，
並觀察「線性模型」是如何在給定「非線性特徵時」學習非線性關係，
以及神經網路(neural networks)是如何學習層次來分析特徵。
我們也看見超參數(hyperparameters)，
例如學習速率(learning rate)與batch size，
是如何影響梯度下降(gradient descent)的結果。 我們最後在決定accuracy, precision, recall之間進行選擇，
依據想解決的問題種類進行選擇，以提高模型的性能，
正如同我們在這個單元中看到的結果一樣，
我們所標記的訓練資料集會成為模型學習的動力。
本文同步發佈在: 第 11 屆 iT 邦幫忙鐵人賽
【Day 29】 Google ML – Lesson 13 – 以混淆矩陣(confusion matrix)分析ML模型好壞,可評估的三種指標Accuracy, Precision, Recall
參考資料
- coursera – Launching into Machine Learning 課程
若圖片有版權問題請告知我，我會將圖撤掉
