編輯導(dǎo)讀：認(rèn)識(shí)世界，就是一個(gè)從已知到未知的函數(shù)。機(jī)器學(xué)習(xí)，就是預(yù)測這個(gè)函數(shù)，并且使預(yù)測結(jié)果盡量準(zhǔn)確。本文作者圍繞機(jī)器學(xué)習(xí)展開討論，與你分享。

問：談?wù)勀銓C(jī)器學(xué)習(xí)的理解。

答：機(jī)器學(xué)習(xí)就是用已知去預(yù)測未知。

認(rèn)識(shí)世界，就是一個(gè)從已知到未知的函數(shù)。收集一大堆數(shù)據(jù)，然后用它們?nèi)ヮA(yù)測一個(gè)值，就是回歸問題。例如數(shù)碼回收，根據(jù)你的機(jī)型、機(jī)況和行情，給出一個(gè)價(jià)格走勢；從一大堆數(shù)據(jù)中，找到屬于某一類的那些，就是分類問題。例如我們經(jīng)常使用的驗(yàn)證碼，“選出所有帶橋的圖片”。

機(jī)器學(xué)習(xí)，就是預(yù)測這個(gè)函數(shù)，并且使預(yù)測結(jié)果盡量準(zhǔn)確。當(dāng)然，這個(gè)過程是由算法工程師實(shí)現(xiàn)的，策略產(chǎn)品經(jīng)理需要思考的是怎樣用算法的邏輯，去解決業(yè)務(wù)問題。本文放棄了復(fù)雜的定義和公式，嘗試用口語化的語言介紹常用算法的邏輯，降低新手產(chǎn)品經(jīng)理（非技術(shù)）的學(xué)習(xí)成本，并且覆蓋盡可能多的工作場景。

一、像樹一樣決策

決策樹（Decision Tree）是一種以樹形數(shù)據(jù)結(jié)構(gòu)來展示決策規(guī)則和分類結(jié)果的模型，比較接近人類的決策過程。決策樹發(fā)揮作用，首先要用到看似雜亂無序的已知實(shí)例，有2個(gè)值可以來形容這些實(shí)例。

1. 信息熵：對隨機(jī)時(shí)間不確定的度量，即到底有多雜亂無章。
2. 信息增益：事件A的的發(fā)生為事件B增加了一些確定性，增量的多少即信息增益。

接下來，你要不斷尋找最能將這堆雜亂無章的數(shù)據(jù)區(qū)分開來的特征——即使之區(qū)分于其他數(shù)據(jù)的特質(zhì)——使用這一特征對數(shù)據(jù)進(jìn)行劃分。每次選擇區(qū)分度最高的一個(gè)，不斷迭代，直到所有特征都被用掉。用最經(jīng)典的買瓜問題來示例：

這時(shí)你就可以通過決策樹來判斷，下一個(gè)西瓜到底該不該買。在這個(gè)過程中，有時(shí)候需要產(chǎn)品幫助判斷什么特征才是最有價(jià)值的。你也可以不斷發(fā)現(xiàn)新的有價(jià)值特質(zhì)，或刪除一些多余的特征，將這棵”樹“修剪地更加精致。

二、以類聚物，以群分人

所謂”近朱者赤近墨者黑“，雖然我們不了解一個(gè)人，但我們了解了他身邊的人后，就根據(jù)已知信息推測他的性格特征。這也是K近鄰模型的原理。在一個(gè)空間中，距離樣本A最近的K個(gè)樣本B屬于一個(gè)類別，那么A也屬于這個(gè)類別，并且具備這個(gè)類別的特征。這里”空間“和”距離“的定義較為復(fù)雜，不做展開。

如何選擇合適的K值？需要持續(xù)訓(xùn)練。如果K們不能很好地歸成一類咋辦？那我A應(yīng)該歸屬于誰呢？有兩種判定方式，一種是少數(shù)服從多數(shù)，哪類最多我屬于誰；一種是加權(quán)投票，可以根據(jù)遠(yuǎn)近程度加權(quán)，越近權(quán)重越大。

對于產(chǎn)品而言，在進(jìn)行用戶分層類的項(xiàng)目時(shí)，可能會(huì)依賴這類算法能力。舉個(gè)例子，當(dāng)前我能提供圖文、短視頻和中長視頻三種形式的服務(wù)，每種服務(wù)下都積累了大量的用戶數(shù)據(jù)。這時(shí)由于運(yùn)營的出色表現(xiàn)，產(chǎn)品涌入了大量新用戶，我需要盡快知道他們更適合哪種形式的服務(wù)，以提高留存、活躍和轉(zhuǎn)化。

三、完美一刀切

承接上文，面對大量新用戶，我想要知道他們哪些對我價(jià)值最高，哪些價(jià)值稍低，從而采取不同的運(yùn)營策略。支持向量機(jī)模型會(huì)是一個(gè)好的選擇。

假如我有N個(gè)特征來形容這批用戶，那么構(gòu)建一個(gè)N維的空間，每個(gè)用戶都能在其中找到自己的坐標(biāo)。這時(shí)我找到一個(gè)N-1維的平面，它正好將所有用戶分割成2個(gè)不同的類別，并且離正負(fù)樣本的距離最遠(yuǎn)。

這就是支持向量機(jī)模型的基本邏輯，是解決線性不可分問題、非線性問題的利器。

以上三種模型都是根據(jù)已知特征，給出一個(gè)確定的分類結(jié)果（未必準(zhǔn)確），我們稱之為判別模型。與之相對的是生成模型，它會(huì)給出一個(gè)最優(yōu)的猜測結(jié)果，同時(shí)給出猜測的概率估計(jì)值。在一定條件下，它能更好地反映數(shù)據(jù)分布的全貌。

四、樸素貝葉斯模型

啥叫貝葉斯？貝葉斯就是在已知某條件的前提下，推算某事件發(fā)生的概率。它強(qiáng)調(diào)我們在預(yù)測一個(gè)事物前，要根據(jù)已有信息推斷一個(gè)先驗(yàn)概率。用舉個(gè)例子：如何腫瘤化驗(yàn)結(jié)果推斷患者是否真正得癌？在計(jì)算這個(gè)概率之前，我們首先要知道先驗(yàn)概率，即癌癥本身的發(fā)病率為多少，以及化驗(yàn)檢測的準(zhǔn)確率是多少。

如上圖所示，當(dāng)你的化驗(yàn)結(jié)果是有病時(shí)，你實(shí)際上只有9%的概率真正患病；而如果你真正患病，也有十萬分之一的概率沒有被檢測出來。

這其實(shí)告訴我們，在根據(jù)數(shù)據(jù)進(jìn)行決策時(shí)，要考慮前提條件。例如我們在產(chǎn)品內(nèi)部新上線了一個(gè)“長視頻”板塊，數(shù)據(jù)分析發(fā)現(xiàn)這一板塊下的用戶以35-45歲的用戶為主，所以我們判斷要根據(jù)這一年齡階段的用戶去優(yōu)化UI設(shè)計(jì)和內(nèi)容投放。

但考慮到先驗(yàn)概率的問題，我們首先要知道該板塊用戶的轉(zhuǎn)化概率，即從35歲-45歲的網(wǎng)民轉(zhuǎn)化到我“長視頻”板塊活躍用戶的概率。如果這一概率很高，那么我們可能只是在這一年齡段用戶聚集的渠道做了比較多的投放，導(dǎo)致現(xiàn)階段35-45歲用戶較多。我們針對其他年齡用戶聚集的渠道，也來一波拉新策略，可能同樣獲得成功。那么現(xiàn)階段去調(diào)整功能設(shè)計(jì)和內(nèi)容策略，就是不合適的。

五、總結(jié)

對很多非技術(shù)產(chǎn)品經(jīng)理來說，充斥著數(shù)學(xué)公式和專業(yè)術(shù)語的技術(shù)語言是很難理解，或理解成本較高的。但實(shí)際上，作為一個(gè)新手產(chǎn)品經(jīng)理，還沒有深入到具體的業(yè)務(wù)之前，只需要了解每種技術(shù)的實(shí)現(xiàn)邏輯即可。從策略的視角去審視技術(shù)，而不是讓技術(shù)限制了你的想象力。樹立強(qiáng)烈的目標(biāo)導(dǎo)向，與技術(shù)團(tuán)隊(duì)建立良好的溝通關(guān)系，可能是更高效的手段。

相關(guān)閱讀：

?新手產(chǎn)品經(jīng)理高效溝通體系的搭建

本文由 @學(xué)產(chǎn)品的小學(xué)生 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Unsplash，基于CC0協(xié)議