利用機(jī)器學(xué)習(xí)（CART）來預(yù)測合格率

人類一直試圖讓機(jī)器具有智能，也就是人工智能（Artificial Intelligence）。從上世紀(jì)50年代，人工智能的發(fā)展經(jīng)歷了“推理期”，通過賦予機(jī)器邏輯推理能力使機(jī)器獲得智能，當(dāng)時(shí)的AI程序能夠證明一些著名的數(shù)學(xué)定理，但由于機(jī)器缺乏知識(shí)，遠(yuǎn)不能實(shí)現(xiàn)真正的智能。因此，70年代，人工智能的發(fā)展進(jìn)入“知識(shí)期”，即將人類的知識(shí)總結(jié)出來教給機(jī)器，使機(jī)器獲得智能。 無論是“推理期”還是“知識(shí)期”，機(jī)器都是按照人類設(shè)定的規(guī)則和總結(jié)的知識(shí)運(yùn)作，永遠(yuǎn)無法超越其創(chuàng)造者，其次人力成本太高。于是，一些學(xué)者就想到，如果機(jī)器能夠自我學(xué)習(xí)問題不就迎刃而解了嗎！機(jī)器學(xué)習(xí)（Machine Learning）方法應(yīng)運(yùn)而生，人工智能進(jìn)入“機(jī)器學(xué)習(xí)時(shí)期”。機(jī)器學(xué)習(xí)的核心是“使用算法解析數(shù)據(jù)，從中學(xué)習(xí)，然后對(duì)世界上的某件事情做出決定或預(yù)測”。機(jī)器學(xué)習(xí)最大的突破是2006年的深度學(xué)習(xí)。深度學(xué)習(xí)是一類機(jī)器學(xué)習(xí)，目的是模仿人腦的思維過程，經(jīng)常用于圖像和語音識(shí)別。深度學(xué)習(xí)的出現(xiàn)導(dǎo)致了我們今天使用的(可能是理所當(dāng)然的)許多技術(shù)。當(dāng)你問你的iPhone關(guān)于今天的天氣時(shí)，你的話語會(huì)用一種復(fù)雜的語音解析算法進(jìn)行分析。如果沒有深度學(xué)習(xí)，這一切都是不可能的。

機(jī)器學(xué)習(xí)與統(tǒng)計(jì)區(qū)別

機(jī)器學(xué)習(xí)是一類算法的總稱，這些算法企圖從大量歷史數(shù)據(jù)中挖掘出其中隱含的規(guī)律，并用于預(yù)測或者分類，更具體的說，機(jī)器學(xué)習(xí)可以看作是尋找一個(gè)函數(shù)，輸入是樣本數(shù)據(jù)，輸出是期望的結(jié)果，只是這個(gè)函數(shù)過于復(fù)雜，以至于不太方便形式化表達(dá)。
通常學(xué)習(xí)一個(gè)好的函數(shù)，分為以下三步：
1、選擇一個(gè)合適的模型，這通常需要依據(jù)實(shí)際問題而定，針對(duì)不同的問題和任務(wù)需要選取恰當(dāng)?shù)哪Ｐ汀?br /> 2、判斷一個(gè)函數(shù)的好壞，這需要確定一個(gè)衡量標(biāo)準(zhǔn)，如回歸問題一般采用歐式距離，分類問題一般采用交叉驗(yàn)證函數(shù)。
3、找出“最好”的函數(shù)，如何從眾多函數(shù)中最快的找出“最好”的那一個(gè)，學(xué)習(xí)得到“最好”的函數(shù)后，需要在新樣本上進(jìn)行測試，只有在新樣本上表現(xiàn)很好，才算是一個(gè)“好”的函數(shù)。
機(jī)器學(xué)習(xí)的核心是“使用算法解析數(shù)據(jù)，從中學(xué)習(xí)，然后對(duì)世界上的某件事情做出決定或預(yù)測”。這意味著，與其顯式地編寫程序來執(zhí)行某些任務(wù)，不如教計(jì)算機(jī)如何開發(fā)一個(gè)算法來完成任務(wù)。有三種主要類型的機(jī)器學(xué)習(xí)：監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。

【案例分享】為了預(yù)測過程輸出性能，提高客戶滿意度及產(chǎn)品質(zhì)量，現(xiàn)從數(shù)據(jù)庫中批量導(dǎo)入了2019年5月份生產(chǎn)報(bào)表，檢測產(chǎn)品能否滿足規(guī)格要求及相關(guān)生產(chǎn)環(huán)境，試分析影響產(chǎn)品質(zhì)量的相關(guān)原因及預(yù)測結(jié)果。
本例共有9個(gè)變量，近5000個(gè)測試數(shù)據(jù)，其數(shù)據(jù)表如下：

在Minitab最新發(fā)布的版本Minitab19.2020中，除了可以將Python的腳本可以導(dǎo)入Minitab加載分析之外，還增加了機(jī)器學(xué)習(xí)的CART分析法。我們將上述案例用CART分析步驟如下：
1、統(tǒng)計(jì)---預(yù)測分析---CART分類，將響應(yīng)和影響因子分別填入對(duì)應(yīng)位置

2、點(diǎn)擊 先驗(yàn)/成本，設(shè)置誤分類成本

誤分類成本就是判斷錯(cuò)誤的風(fēng)險(xiǎn)，例如，在醫(yī)學(xué)影像檢測中，把健康的人誤診為病人還不是最糟的情況，只要醫(yī)生能對(duì)診斷結(jié)果進(jìn)行復(fù)查，并把健康的這個(gè)人找出來就可以了。但反過來，未能診斷出真正的病人而不提供給他任何治療，則就非常危險(xiǎn)了。默認(rèn)情況下，Minitab 使用相等的成本 1。
3、點(diǎn)擊 驗(yàn)證，選擇驗(yàn)證方法

設(shè)置模型驗(yàn)證：數(shù)據(jù)通常被分為訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)
訓(xùn)練數(shù)據(jù)（學(xué)習(xí)數(shù)據(jù)）通常被用來創(chuàng)建模型及評(píng)估模型的系數(shù)；測試數(shù)據(jù)通常檢模型性能，通過測試數(shù)據(jù)得到擬合值，在用訓(xùn)練數(shù)據(jù)的數(shù)據(jù)和對(duì)應(yīng)的擬合值進(jìn)行比較來檢驗(yàn)?zāi)Ｐ偷念A(yù)測性能通過驗(yàn)證，防止模型過度擬合若用同一組數(shù)據(jù)來擬合模型并評(píng)估模型的擬合優(yōu)度，會(huì)導(dǎo)致過度擬合，過度擬合的模型并不能用于很好的預(yù)測…..

4、點(diǎn)擊 選項(xiàng)，設(shè)置節(jié)點(diǎn)分裂方式

默認(rèn)的節(jié)點(diǎn)分裂，選擇 基尼

對(duì)所有對(duì)話框點(diǎn)擊 確定，查看Minitab輸出（部分）：

默認(rèn)情況下，Minitab 為誤分類成本在最小誤分類成本 1 個(gè)標(biāo)準(zhǔn)誤內(nèi)的最小樹生成輸出。也可以識(shí)別最優(yōu)樹的序列中探索其他樹。終端節(jié)點(diǎn)數(shù)越多，模型就越復(fù)雜。

ROC曲線指受試者工作特征曲線 / 接收器操作特性曲線(receiver operating characteristic curve), 是反映敏感性和特異性連續(xù)變量的綜合指標(biāo),是用構(gòu)圖法揭示敏感性和特異性的相互關(guān)系，它通過將連續(xù)變量設(shè)定出多個(gè)不同的臨界值，從而計(jì)算出一系列敏感性和特異性，再以敏感性為縱坐標(biāo)、（1-特異性）為橫坐標(biāo)繪制成曲線，曲線下面積越大，診斷準(zhǔn)確性越高。
點(diǎn)擊ROC圖左下角的預(yù)測，可以根據(jù)模型預(yù)測不同場景下的輸出概率。

總結(jié)：

機(jī)器學(xué)習(xí)是目前業(yè)界最為火熱的一項(xiàng)技術(shù)，從網(wǎng)上的每一次淘寶的購買東西，到自動(dòng)駕駛汽車技術(shù)，以及網(wǎng)絡(luò)攻擊抵御系統(tǒng)等等，都有機(jī)器學(xué)習(xí)的因子在內(nèi)，同時(shí)機(jī)器學(xué)習(xí)也是最有可能使人類完成“AI 夢”的一項(xiàng)技術(shù)，各種人工智能目前的應(yīng)用，如微軟小冰聊天機(jī)器人，到計(jì)算機(jī)視覺技術(shù)的進(jìn)步，都有機(jī)器學(xué)習(xí)努力的成分。作為全球領(lǐng)先的統(tǒng)計(jì)分析軟件，Minitab在2018年收購了SPM，并在Minitab.19.2020版中增加了預(yù)測分析的CART分類和CART回歸功能，能夠幫助我們了解一些機(jī)器學(xué)習(xí)的相關(guān)知識(shí)與概念，更好的理解為我們帶來莫大便利技術(shù)的背后原理，以及讓我們更好的理解當(dāng)代科技的進(jìn)程。

審核編輯：符乾江