中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

每天上下班，習慣了在路上思索人生，而最近半年來一直接觸風控算法，所以當我把算法和人生聯(lián)系在一起時，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、隨機梯度算法的“人話”解釋

隨機梯度算法”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，對多元函數(shù)的參數(shù)求偏導(dǎo)數(shù)，把求得的各個參數(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. 隨機梯度的概念

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

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

如下圖所示，不同的初始點按照梯度的想法會得到不同的局部最優(yōu)解：

3. 隨機梯度算法更為通俗的理解

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

那使用梯度的想法就是：小白兔隨機在地球上找一個點，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點上對應(yīng)的局部最高點（比如小白兔剛開始選擇了黃山市，那么它的局部最高點可能就是黃山蓮花峰）。

不斷重復(fù)上述步驟，在地球上再隨機找N多個點，每一個點都找到它對應(yīng)的局部最高點，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局部最高點，只要隨機點足夠多，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（次優(yōu)點）。

這就是隨機的力量！

你要的穩(wěn)定，不是真的穩(wěn)定。

如何max（人生自我價值），這也可以看作是一個數(shù)據(jù)空間中的最優(yōu)解，實際上也是在人生這個復(fù)雜的數(shù)據(jù)空間內(nèi)尋找最高點的過程。

每個人可能會選擇從事科研、教師、商人等職業(yè)，這都是一個復(fù)雜的數(shù)據(jù)空間，選擇好初始點之后你就要在這個初始點上不斷的去攀登，努力的做好科研、當好一個老師等等，你在這個職業(yè)上的每一點進步都是梯度提升的過程。

但是受限于每個人能力、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”，當然也會有很多人喜歡這種穩(wěn)定，但是顯而易見的，就很難得到max（人生價值）的目標。

我們在選擇人生道路的時候，很多時候是基于我們既有的認知去選擇初始點，對未知的初始點拒絕選擇，這就相當于小白兔在視野范圍內(nèi)去找自己能夠達到的最高點。

而為了能夠?qū)崿F(xiàn)max（人生自我價值）的目標，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（隨機選擇初始點），這樣的話才更有可能在財富、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）。

其實對于一個企業(yè)來說也是這樣，一個傳統(tǒng)企業(yè)和一個創(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)來說可能會把一個業(yè)務(wù)做到極致了，達到這個范圍內(nèi)的局部最優(yōu)點了，但是如果一直安安穩(wěn)穩(wěn)守本分，這個局部最優(yōu)點遲早會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。

當然，如果小白兔運氣比較好，初始點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最高點了。

所以，那些所謂穩(wěn)定的人生，無外乎是某一個初始點的局部最優(yōu)狀態(tài)，而我們對其他初始點的未知，直接限制了我們可能達到更優(yōu)點的可能，當然也有可能是個更差的點，但是對于未知的恐懼不應(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錯，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是一個簡單的多元多項式：Z=a*x1+b*x2+c*x3+…+常數(shù)項，x1、x2等就是一個描述性，自變量，如年齡、性別等，而y最終的結(jié)果是一個在（0,1）之間的常數(shù)。

因為邏輯回歸算法的穩(wěn)定性、易解釋性，目前已經(jīng)成為銀行信貸風控領(lǐng)域常用的算法，而多項式Z是一個關(guān)于年齡、性別、學歷、資產(chǎn)等多方面維度的表達式，通過這個算法我們可以計算出一個用戶在某一項信貸業(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，但是這也是一個可能性。

概率這種問題在信貸到期日真正到達之前，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不知道該用戶最終是否會賴賬不還。

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

但是0.5不一定能夠作為我們做出選擇的標準，這得看我們對另一個選擇的風險接受程度。假設(shè)在信貸行業(yè)y=0.4的時候用戶有20%的概率會逾期，但是這遠遠高于我們的風險接受程度，所以我們可能只會接受y<0.3時候的選擇。

成年人的世界里沒有對錯，只有利弊與原則。

在小時候，我們回答某個問題最終都會以正確與否來判斷，但是隨著我們逐漸邁入社會，我們發(fā)現(xiàn)自己面對的問題已經(jīng)不是一個簡單的對錯可以解決的了，因為我們遇到的問題大多數(shù)情況下都會是一個復(fù)雜的系統(tǒng)性問題，影響對這個問題的判斷因素有很多，有正向因素、逆向因素，單純的對錯已經(jīng)不能夠描述我們成年人世界里的問題了。

舉個最簡單的例子，我們在微博上看到的任何社會熱點的帖子，都會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，影響一個人是否會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，我們沒辦法準確的判斷一個人是否會還款，我們只能計算出該用戶有多大概率是會還款的。

同樣，在我們遇到的問題中因為影響因素的復(fù)雜性，所以最終這個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，而每個人根據(jù)自己過去的認知水平、立場等會做出不同的意見也是司空見慣的。

當然，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)性問題的時候如果某一項因素影響非常大，往往會產(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），哪怕這個罪犯有很多其他因素，比如x2（心理受過傷害）、x3（被欺負過）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)，因為我們的風險接受水平不同，所以有的時候y較大的時候，我們最終仍然會選擇相反的結(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陰暗的一面，大部分的人都是對該片持支持態(tài)度的，但是最終還是選擇了禁止放映。

這是因為我們沒有辦法接受如果選擇放映了之后可能會激發(fā)校園中潛在犯罪分子的犯罪熱情，這樣的傷害是這個社會不能接受的。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，因為選擇放映之后的風險水平超過了我們的接受水平。

以上這點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輿論不能凌駕于法律之上的共識，最經(jīng)典的例子就是：一個小伙因為母親生病沒錢無奈去搶劫，是對還是錯？

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

于是在我們踩過足夠多坑之后，我們學會在做選擇之前會盡可能將所有因素考慮進去（即Z中盡可能包含足夠多的影響因素），并堅守自己的原則底線（風險接受水平）。

“成年人的世界里沒有對錯”，這句話看起來殘酷，其實更多的是代表我們這個世界的系統(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。我一直在堅持的一句話就是“永遠不要讓明天的自己成為今天的討厭的那種人”。

三、隨機森林算法的“人話”解釋

“隨機森林算法”與“兼聽則明，偏信則暗”

所謂隨機森林，需要理解2個詞，一個叫“森林”，一個叫“隨機”。

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)計算法：

上圖是一個非常簡單的二分類的決策樹，當然在現(xiàn)實運用中數(shù)據(jù)更多維、更復(fù)雜、場景也更多樣，所以對于特征選擇的順序、特征分裂點都有非常復(fù)雜的處理機制。

當關(guān)于一個問題，有很多很多的決策樹對這個問題進行表達，這就形成了一個森林。

2. 隨機

當影響因素足夠多的時候，因素之間存在的相互影響又會很錯綜復(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決策，那么這個時候就要引入隨機森林的生成方法：：

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

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

所以隨機森林也可以稱做“民主集中制在決策樹上的體現(xiàn)”?，F(xiàn)實中當一大群人對某一件事情做集體決策時，每個人本身就是一棵決策樹，每個人基于自身利益、對于該事件的不完全信息，于是會產(chǎn)生不同的決策，當有很多人參與投票，人與人之間是隨機的不相關(guān)的，那這個結(jié)果就是隨機森林的過程。

兼聽則明，偏信則暗。

在現(xiàn)實生活中，我們會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得到相悖的結(jié)論，因為每個人給你的決策都是基于他的認知、他的利益考量、他的價值觀等。

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

如果你只問一個女性朋友并且只采納一個女性朋友的建議：如果該朋友是一個“塑料姐妹花”，她嫉妒你找了一個非常優(yōu)秀的相親對象；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，基于她片面的認知產(chǎn)生的這棵決策樹結(jié)論對你來說是不合適的，這也是決策樹不可避免的一個問題“欠擬合”。

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

當然隨機森林的條件在現(xiàn)實中不可能完全滿足，DO/DON’T雖然是一個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到次優(yōu)的。老祖宗們“兼聽則明，偏信則暗”的觀點也是帶著“隨機森林”的思想的。

?四、結(jié)束語

數(shù)學是一門邏輯性很嚴謹?shù)膶W科，于是乎算法就顯得冷冰冰，但是算法的背后更是對問題的系統(tǒng)性思考，這一點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，再進一步來看，這些機器學習算法的本質(zhì)是對復(fù)雜的系統(tǒng)性問題的理解，背后透著的更多是對人性的考量，總有一天這些算法也會變得很有溫度。

如需了解更多內(nèi)容，請關(guān)注我們，歡迎大家共同交流~

作者：獨孤qiu敗，微信公眾號：互聯(lián)網(wǎng)風控那些事兒（anti_fraud_share），互聯(lián)網(wǎng)行業(yè)風控產(chǎn)品經(jīng)理，定期分享互聯(lián)網(wǎng)風控相關(guān)業(yè)界動態(tài)、系統(tǒng)設(shè)計方案、模型算法

本文由 @獨孤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