国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

每天上下班，習(xí)慣了在路上思索人生，而最近半年來一直接觸風(fēng)控算法，所以當(dāng)我把算法和人生聯(lián)系在一起時(shí)，突然感慨：很多看起來很無趣的算法，居然與很多人生哲理雞湯彼此呼應(yīng)。

一、隨機(jī)梯度算法的“人話”解釋

隨機(jī)梯度算法”與“你要的穩(wěn)定，不是真的穩(wěn)定”

1. 梯度的概念

在微積分里面，對(duì)多元函數(shù)的參數(shù)求偏導(dǎo)數(shù)，把求得的各個(gè)參數(shù)的偏導(dǎo)數(shù)以向量的形式寫出來，就是梯度。

那么這個(gè)梯度向量求出來有什么意義呢？他的意義從幾何意義上講，就是函數(shù)變化增加最快的地方，沿著梯度向量的方向，更加容易找到函數(shù)的最大值。反過來說，沿著梯度向量相反的方向，梯度減少最快，也就是更加容易找到函數(shù)的最小值。

如下圖所示：

2. 隨機(jī)梯度的概念

在現(xiàn)實(shí)中，我們所遇到的場景是面對(duì)的非常復(fù)雜、凹凸不平的數(shù)據(jù)空間，所以想要求解這個(gè)函數(shù)的最小解是非常復(fù)雜的，往往我們會(huì)陷入到局部最優(yōu)的情況中，那這個(gè)時(shí)候就會(huì)涉及到隨機(jī)梯度的概念。

我在這個(gè)空間中隨機(jī)找無數(shù)個(gè)初始點(diǎn)，每一個(gè)初始點(diǎn)都用梯度的思路逐步下探，找到這個(gè)初始點(diǎn)的下的局部最優(yōu)解（最小值），如果我們有足夠多的隨機(jī)值，那么肯定是可以不斷逼近整個(gè)空間中的最小值的。

如下圖所示，不同的初始點(diǎn)按照梯度的想法會(huì)得到不同的局部最優(yōu)解：

3. 隨機(jī)梯度算法更為通俗的理解

還是不懂？再舉一個(gè)更加直觀的例子，假如你是一只小白兔，從外太空落到地球上來，（地球就是一個(gè)凹凸不平的數(shù)據(jù)空間），對(duì)這個(gè)星球一無所知，請(qǐng)問如何找到這個(gè)星球上的最高點(diǎn)？

那使用梯度的想法就是：小白兔隨機(jī)在地球上找一個(gè)點(diǎn)，然后邁出一小步（梯度算法中的步長），這一步的方向一定是最陡峭的方向（高度提升最快的方向），然后再重復(fù)以上的步驟，那么你就可以找到這個(gè)點(diǎn)上對(duì)應(yīng)的局部最高點(diǎn)（比如小白兔剛開始選擇了黃山市，那么它的局部最高點(diǎn)可能就是黃山蓮花峰）。

不斷重復(fù)上述步驟，在地球上再隨機(jī)找N多個(gè)點(diǎn)，每一個(gè)點(diǎn)都找到它對(duì)應(yīng)的局部最高點(diǎn)，你有可能找到泰山、華山等等等等，然后小白兔再比較每一個(gè)局部最高點(diǎn)，只要隨機(jī)點(diǎn)足夠多，那它就有可能找到珠穆朗瑪峰，就算找不到珠穆朗瑪峰它也可能找到高度更接近于珠穆朗瑪峰的點(diǎn)（次優(yōu)點(diǎn)）。

這就是隨機(jī)的力量！

你要的穩(wěn)定，不是真的穩(wěn)定。

如何max（人生自我價(jià)值），這也可以看作是一個(gè)數(shù)據(jù)空間中的最優(yōu)解，實(shí)際上也是在人生這個(gè)復(fù)雜的數(shù)據(jù)空間內(nèi)尋找最高點(diǎn)的過程。

每個(gè)人可能會(huì)選擇從事科研、教師、商人等職業(yè)，這都是一個(gè)復(fù)雜的數(shù)據(jù)空間，選擇好初始點(diǎn)之后你就要在這個(gè)初始點(diǎn)上不斷的去攀登，努力的做好科研、當(dāng)好一個(gè)老師等等，你在這個(gè)職業(yè)上的每一點(diǎn)進(jìn)步都是梯度提升的過程。

但是受限于每個(gè)人能力、天賦及外部環(huán)境的影響，梯度提升的局部最優(yōu)點(diǎn)是不一樣的，有可能到一定階段之后你就陷入了局部最優(yōu)的情況，這就是所謂的“穩(wěn)定”，當(dāng)然也會(huì)有很多人喜歡這種穩(wěn)定，但是顯而易見的，就很難得到max（人生價(jià)值）的目標(biāo)。

我們?cè)谶x擇人生道路的時(shí)候，很多時(shí)候是基于我們既有的認(rèn)知去選擇初始點(diǎn)，對(duì)未知的初始點(diǎn)拒絕選擇，這就相當(dāng)于小白兔在視野范圍內(nèi)去找自己能夠達(dá)到的最高點(diǎn)。

而為了能夠?qū)崿F(xiàn)max（人生自我價(jià)值）的目標(biāo)，就需要打破這種人生的穩(wěn)定（局部最優(yōu)），盡量的多去折騰（隨機(jī)選擇初始點(diǎn)），這樣的話才更有可能在財(cái)富、地位等方面比之前更高（找到比上一次更優(yōu)的局部最優(yōu)點(diǎn)）。

其實(shí)對(duì)于一個(gè)企業(yè)來說也是這樣，一個(gè)傳統(tǒng)企業(yè)和一個(gè)創(chuàng)新型企業(yè)最大的區(qū)別在于敢不敢折騰，傳統(tǒng)企業(yè)來說可能會(huì)把一個(gè)業(yè)務(wù)做到極致了，達(dá)到這個(gè)范圍內(nèi)的局部最優(yōu)點(diǎn)了，但是如果一直安安穩(wěn)穩(wěn)守本分，這個(gè)局部最優(yōu)點(diǎn)遲早會(huì)被其他敢于折騰的公司超越掉，過去二十年見證了多少這樣的例子。

當(dāng)然，如果小白兔運(yùn)氣比較好，初始點(diǎn)就在珠穆朗瑪峰山腳下或者山腰上（好的家庭背景或者非常成功的創(chuàng)業(yè)方向），它就不需要這么折騰去找下一個(gè)最高點(diǎn)了。

所以，那些所謂穩(wěn)定的人生，無外乎是某一個(gè)初始點(diǎn)的局部最優(yōu)狀態(tài)，而我們對(duì)其他初始點(diǎn)的未知，直接限制了我們可能達(dá)到更優(yōu)點(diǎn)的可能，當(dāng)然也有可能是個(gè)更差的點(diǎn)，但是對(duì)于未知的恐懼不應(yīng)該成為我們打破穩(wěn)定狀態(tài)的借口，未知才有可能。

在波詭云譎中刻意去維持不變，就好比削足適履、因噎廢食，一潭死水又怎能抵住突如其來的陣陣漣漪呢？

二、邏輯回歸算法的“人話”解釋

“邏輯回歸算法”與“成年人的世界沒有對(duì)錯(cuò)，只有利弊”

邏輯回歸算法是目前在二分類領(lǐng)域用的最廣泛的算法，大概的展示如下圖，而其中的Z是一個(gè)簡單的多元多項(xiàng)式：Z=a*x1+b*x2+c*x3+…+常數(shù)項(xiàng)，x1、x2等就是一個(gè)描述性，自變量，如年齡、性別等，而y最終的結(jié)果是一個(gè)在（0,1）之間的常數(shù)。

因?yàn)檫壿嫽貧w算法的穩(wěn)定性、易解釋性，目前已經(jīng)成為銀行信貸風(fēng)控領(lǐng)域常用的算法，而多項(xiàng)式Z是一個(gè)關(guān)于年齡、性別、學(xué)歷、資產(chǎn)等多方面維度的表達(dá)式，通過這個(gè)算法我們可以計(jì)算出一個(gè)用戶在某一項(xiàng)信貸業(yè)務(wù)中的違約概率。

一般來說邏輯回歸算法最終得到的結(jié)果是無限趨近于0或者無限趨近于1，在信貸領(lǐng)域就代表該用戶違約概率基本為0，或者該用戶最終基本可以確定壞賬了，但是這也是一個(gè)可能性。

概率這種問題在信貸到期日真正到達(dá)之前，違約的可能性就類似于薛定諤的貓，不到最后一刻我們永遠(yuǎn)不知道該用戶最終是否會(huì)賴賬不還。

另外我們發(fā)現(xiàn)當(dāng)Z無限大的時(shí)候，y趨近于1；當(dāng)Z無限小的時(shí)候y趨近于0，這就代表如果Z的多項(xiàng)式中如果某個(gè)變量足夠大的時(shí)候，會(huì)讓y無限趨近于0或者1的，比如該用戶名下房產(chǎn)1000萬且沒有任何負(fù)債，那我們基本可以斷定該用戶信用卡不會(huì)成為壞賬的。

但是0.5不一定能夠作為我們做出選擇的標(biāo)準(zhǔn)，這得看我們對(duì)另一個(gè)選擇的風(fēng)險(xiǎn)接受程度。假設(shè)在信貸行業(yè)y=0.4的時(shí)候用戶有20%的概率會(huì)逾期，但是這遠(yuǎn)遠(yuǎn)高于我們的風(fēng)險(xiǎn)接受程度，所以我們可能只會(huì)接受y<0.3時(shí)候的選擇。

成年人的世界里沒有對(duì)錯(cuò)，只有利弊與原則。

在小時(shí)候，我們回答某個(gè)問題最終都會(huì)以正確與否來判斷，但是隨著我們逐漸邁入社會(huì)，我們發(fā)現(xiàn)自己面對(duì)的問題已經(jīng)不是一個(gè)簡單的對(duì)錯(cuò)可以解決的了，因?yàn)槲覀冇龅降膯栴}大多數(shù)情況下都會(huì)是一個(gè)復(fù)雜的系統(tǒng)性問題，影響對(duì)這個(gè)問題的判斷因素有很多，有正向因素、逆向因素，單純的對(duì)錯(cuò)已經(jīng)不能夠描述我們成年人世界里的問題了。

舉個(gè)最簡單的例子，我們?cè)谖⒉┥峡吹降娜魏紊鐣?huì)熱點(diǎn)的帖子，都會(huì)有正反面雙方的意見，而影響這些意見的因素是多方面的。

正如上面的公式一樣，影響一個(gè)人是否會(huì)還款的因素是多方面的，有的因素是正向的，有的因素是逆向的，我們沒辦法準(zhǔn)確的判斷一個(gè)人是否會(huì)還款，我們只能計(jì)算出該用戶有多大概率是會(huì)還款的。

同樣，在我們遇到的問題中因?yàn)橛绊懸蛩氐膹?fù)雜性，所以最終這個(gè)問題往左走還是往右走是不確定的，不到最后一刻誰也不能預(yù)判事情的走向，而每個(gè)人根據(jù)自己過去的認(rèn)知水平、立場等會(huì)做出不同的意見也是司空見慣的。

當(dāng)然，同信貸行業(yè)中客戶凈資產(chǎn)很高逾期概率很低一樣，在我們遇到的諸多復(fù)雜的系統(tǒng)性問題的時(shí)候如果某一項(xiàng)因素影響非常大，往往會(huì)產(chǎn)生一邊倒（y趨近于1）的結(jié)論：

比如在幼兒園門口砍殺數(shù)名幼童的惡意犯罪行為，這個(gè)行為變量x1前的系數(shù)足夠大，就足以影響讓y基本可以趨近于1（執(zhí)行重罰的決定），哪怕這個(gè)罪犯有很多其他因素，比如x2（心理受過傷害）、x3（被欺負(fù)過）等其他原本讓人同情的因素，也改變不了y的大小。

但是同樣如信貸行業(yè)，因?yàn)槲覀兊娘L(fēng)險(xiǎn)接受水平不同，所以有的時(shí)候y較大的時(shí)候，我們最終仍然會(huì)選擇相反的結(jié)論。

比如韓國有一部電影《熔爐》揭露校園性侵犯的電影，在國內(nèi)處于禁止放映狀態(tài)，雖然這部電影很好的反映了社會(huì)陰暗的一面，大部分的人都是對(duì)該片持支持態(tài)度的，但是最終還是選擇了禁止放映。

這是因?yàn)槲覀儧]有辦法接受如果選擇放映了之后可能會(huì)激發(fā)校園中潛在犯罪分子的犯罪熱情，這樣的傷害是這個(gè)社會(huì)不能接受的。所以即使大多數(shù)人選擇支持這部電影，但是我們?nèi)匀唤惯@部電影的原因，因?yàn)檫x擇放映之后的風(fēng)險(xiǎn)水平超過了我們的接受水平。

以上這點(diǎn)在道德和法律的平衡上也有一定體現(xiàn)，這一定程度上也支撐了道德和社會(huì)輿論不能凌駕于法律之上的共識(shí)，最經(jīng)典的例子就是：一個(gè)小伙因?yàn)槟赣H生病沒錢無奈去搶劫，是對(duì)還是錯(cuò)？

原來那句雞湯的原話是：成年人的世界沒有對(duì)錯(cuò)，只有利弊。但是除了利弊之外，其實(shí)我們還有很多原則要去堅(jiān)守的，永遠(yuǎn)不能違背自己內(nèi)心，這就是算法中的風(fēng)險(xiǎn)接受水平，也是我們自己的最后底線。

于是在我們踩過足夠多坑之后，我們學(xué)會(huì)在做選擇之前會(huì)盡可能將所有因素考慮進(jìn)去（即Z中盡可能包含足夠多的影響因素），并堅(jiān)守自己的原則底線（風(fēng)險(xiǎn)接受水平）。

“成年人的世界里沒有對(duì)錯(cuò)”，這句話看起來殘酷，其實(shí)更多的是代表我們這個(gè)世界的系統(tǒng)復(fù)雜性以及理性思考的結(jié)果。

“知善知惡是良知，為善去惡是格物”，趨利避害是人的本性，而成人的世界是取舍、因果。我一直在堅(jiān)持的一句話就是“永遠(yuǎn)不要讓明天的自己成為今天的討厭的那種人”。

三、隨機(jī)森林算法的“人話”解釋

“隨機(jī)森林算法”與“兼聽則明，偏信則暗”

所謂隨機(jī)森林，需要理解2個(gè)詞，一個(gè)叫“森林”，一個(gè)叫“隨機(jī)”。

1. 森林

所謂森林，就是有很多棵樹組成，這里的樹就是我們常見的“決策樹”，所以，可以先最簡單的了解決策樹。

比如希望根據(jù)一個(gè)人的性別、年齡、身高和收入來判斷，是否要考慮跟他相親，用決策樹可以這樣去設(shè)計(jì)算法：

上圖是一個(gè)非常簡單的二分類的決策樹，當(dāng)然在現(xiàn)實(shí)運(yùn)用中數(shù)據(jù)更多維、更復(fù)雜、場景也更多樣，所以對(duì)于特征選擇的順序、特征分裂點(diǎn)都有非常復(fù)雜的處理機(jī)制。

當(dāng)關(guān)于一個(gè)問題，有很多很多的決策樹對(duì)這個(gè)問題進(jìn)行表達(dá)，這就形成了一個(gè)森林。

2. 隨機(jī)

當(dāng)影響因素足夠多的時(shí)候，因素之間存在的相互影響又會(huì)很錯(cuò)綜復(fù)雜，那么一棵決策樹的構(gòu)建過程中受到種種要素影響就很難做出科學(xué)決策，那么這個(gè)時(shí)候就要引入隨機(jī)森林的生成方法：：

• 從樣本集中通過重采樣的方式產(chǎn)生n個(gè)樣本
• 假設(shè)樣本影響因素有a個(gè)，對(duì)n個(gè)樣本選擇a中的k個(gè)特征，用建立決策樹的方式獲得最佳分割點(diǎn)
• 重復(fù)m次，產(chǎn)生m棵決策樹
• 多數(shù)投票機(jī)制來進(jìn)行預(yù)測

需要注意的一點(diǎn)是，這里m是指循環(huán)的次數(shù)，n是指樣本的數(shù)目，n個(gè)樣本構(gòu)成訓(xùn)練的樣本集，而m次循環(huán)中又會(huì)產(chǎn)生m個(gè)這樣的樣本集。

所以隨機(jī)森林也可以稱做“民主集中制在決策樹上的體現(xiàn)”?，F(xiàn)實(shí)中當(dāng)一大群人對(duì)某一件事情做集體決策時(shí)，每個(gè)人本身就是一棵決策樹，每個(gè)人基于自身利益、對(duì)于該事件的不完全信息，于是會(huì)產(chǎn)生不同的決策，當(dāng)有很多人參與投票，人與人之間是隨機(jī)的不相關(guān)的，那這個(gè)結(jié)果就是隨機(jī)森林的過程。

兼聽則明，偏信則暗。

在現(xiàn)實(shí)生活中，我們會(huì)遇到可能需要咨詢身邊朋友建議的復(fù)雜問題，比如這套房該不該買、他的求愛該不該接受，但是還有一句話叫“如人飲水冷暖自知”，你向你的朋友咨詢的問題往往會(huì)得到相悖的結(jié)論，因?yàn)槊總€(gè)人給你的決策都是基于他的認(rèn)知、他的利益考量、他的價(jià)值觀等。

以上文相親決策樹為例，一個(gè)好的朋友的建議（一個(gè)好的決策樹）的前提是這個(gè)朋友一定要比你還要了解你的情況、對(duì)方的情況以及站在你的利益最大化的角度去抉擇，當(dāng)然這種情況基本不太可能。

如果你只問一個(gè)女性朋友并且只采納一個(gè)女性朋友的建議：如果該朋友是一個(gè)“塑料姐妹花”，她嫉妒你找了一個(gè)非常優(yōu)秀的相親對(duì)象；亦或她有過一段失敗的相親經(jīng)歷；又或者她的角度問題（如她已經(jīng)30歲了，男方35歲，而你只有22歲）等因素，基于她片面的認(rèn)知產(chǎn)生的這棵決策樹結(jié)論對(duì)你來說是不合適的，這也是決策樹不可避免的一個(gè)問題“欠擬合”。

那這個(gè)時(shí)候最有效的方法就是盡可能去問更多的人（更多的決策樹），每個(gè)人會(huì)基于自己的理解做出一個(gè)判斷，這些人要足夠多、足夠隨機(jī)、每個(gè)人了解到的信息可以互補(bǔ)，那么理論上最后你就可以得到一個(gè)最適合你的決策。

當(dāng)然隨機(jī)森林的條件在現(xiàn)實(shí)中不可能完全滿足，DO/DON’T雖然是一個(gè)簡單的選擇但是背后是有非常復(fù)雜的邏輯的，所以為了踐行隨機(jī)森林算法的思想，考慮不同群體、不同立場、不同分層的意見，在此基礎(chǔ)上做的決策哪怕做不到最優(yōu)那么也是能夠盡可能達(dá)到次優(yōu)的。老祖宗們“兼聽則明，偏信則暗”的觀點(diǎn)也是帶著“隨機(jī)森林”的思想的。

?四、結(jié)束語

數(shù)學(xué)是一門邏輯性很嚴(yán)謹(jǐn)?shù)膶W(xué)科，于是乎算法就顯得冷冰冰，但是算法的背后更是對(duì)問題的系統(tǒng)性思考，這一點(diǎn)跟人生很多道理很類似。

于是，算法和雞湯，產(chǎn)生了某種聯(lián)系，冷冰冰的算法背后透著很多溫暖的雞湯，再進(jìn)一步來看，這些機(jī)器學(xué)習(xí)算法的本質(zhì)是對(duì)復(fù)雜的系統(tǒng)性問題的理解，背后透著的更多是對(duì)人性的考量，總有一天這些算法也會(huì)變得很有溫度。

如需了解更多內(nèi)容，請(qǐng)關(guān)注我們，歡迎大家共同交流~

作者：獨(dú)孤qiu敗，微信公眾號(hào)：互聯(lián)網(wǎng)風(fēng)控那些事兒（anti_fraud_share），互聯(lián)網(wǎng)行業(yè)風(fēng)控產(chǎn)品經(jīng)理，定期分享互聯(lián)網(wǎng)風(fēng)控相關(guān)業(yè)界動(dòng)態(tài)、系統(tǒng)設(shè)計(jì)方案、模型算法

本文由 @獨(dú)孤qiu敗 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自 Pexels ，基于 CC0 協(xié)議