博文

机器学习中的“优秀学生”“和“三好学生”

已有 2711 次阅读 2022-6-9 10:34 |个人分类:科普|系统分类:科普集锦

在六一儿童节这一天，许多小学都会评出“优秀学生”、“三好学生”等荣誉称号。所谓“优秀学生”，一般指态度端正、认真听讲、积极互动、完成作业和学习成绩好的一类学生，重点突出学习方面。所谓“三好学生”，除了学习好，还要求品德好和身体好，可谓德智体美劳全面发展的一类学生。

评价学生是否是“优秀学生”、“三好学生”，一般通过测试成绩评价指标来体现。与之类似，在机器学习领域，也有一系列评价指标来评判学习算法的有效性。例如，二分类算法就有如图1所示的许多种评价指标。那么，机器学习中的“优秀学生”、“三好学生”如何来评判？

图1 机器学习评价指标（https://en.wikipedia.org/wiki/Evaluation_of_binary_classifiers）

给定一个数据集，如果学习算法A在评价指标下，能够表现出良好的学习性能，那么该学习算法就是“优秀学生”。给定多个数据集（一般来自不同领域），如果学习算法B在评价指标下，都能够表现出良好的学习性能（类似于德智体美劳全面发展），那么该学习算法就是“三好学生”。这里需要指出的是，往往许多学习算法中的“优秀学生”具有数据特异性，即只在某一领域的数据集中表现良好。另一方面，学习算法中的“三好学生”具有数据泛化性，即在多个领域的数据集中都表现良好。学习算法中的“优秀学生”一般为特定研究领域定制，而学习算法中的“三好学生”倾向于应用推广。

可以说，已有的学习算法在特定数据集中，都可以成为“优秀学生”。在多个数据集中，能够成为“三好学生”的学习算法普遍为集成学习算法。因为集成学习算法的设计理念就是取长补短，即将多个层次不齐的学习算法融合起来，转化成一个强学习算法。例如，在二分类器领域，随机森林、Boosting和Bagging就是典型代表。在性能方面，集成学习算法进一步强调了集思广益的重要性和必要性。

后话

英国统计学家George E. P. Box曾经说：All models are wrong, but some are useful. Remember that all models are wrong; the practical question is how wrong do they have to be to not be useful.（翻译过来：所有模型都是错的，但其中有些是有用的。记住，所有模型都是错误的；关键的问题是模型错到什么程度就一无是处了。）。这段话强调了，只要涉及预测，就难免会出现错误率，该错误率你能够接受，那么该学习算法就是“优秀学生”或“三好学生”。

参考链接

[1] https://en.wikipedia.org/wiki/Evaluation_of_binary_classifiers

以往推荐如下：

5. R/Shiny交互式生物Web应用程序

6. VOSviewer：文献图谱可视化

7. 卡片式笔记工具：Roam Research

8. 国外知乎：Quora

9. 生信问答平台：Biostars