机器学习的大局观：使用神经网络和TensorFlow来对文本分类

Posted 2020-09-09 caimouse

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了机器学习的大局观：使用神经网络和TensorFlow来对文本分类相关的知识，希望对你有一定的参考价值。

https://medium.freecodecamp.com/big-picture-machine-learning-classifying-text-with-neural-networks-and-tensorflow-d94036ac2274

机器学习的开发人员常常说，如果你想学习机器学习，必须先学习算法是怎么样工作的原理，但是我的经验告诉我，不是这样的。

我说，你应该首先能够看到大局：机器学习的应用程序是怎么样工作的。一旦你理解它，你就可以轻松地深入学习和体会到机器学习算法的工作原理。

所以怎么样才形成一种直觉的知识和通过大局观来理解机器学习呢？我认为一个好的方法是通过创建机器学习的模型。

如果你仍然不知道如何从头开始创建所有的这些算法，也没有关系，你可以使用一些现成的机器学习算法库来学习，比如使用TensorFlow。

在这篇文章里，我们主要学习文本分类的机器学习的模型，所以有由下面的几步学习：

1. TensorFlow是怎么样工作的

2. 机器学习的模型是什么

3. 神经网络是什么

4. 神经网络是怎么样学习

5. 怎么样操作数据，并且让数据通过神经网络计算

6. 怎么样运行这个模型和获取预测结果

在这个过程里，你发现有很多不懂的知识需要学习，让我们立即开始吧！

TensorFlow

TensorFlow是一个GOOGLE开源的机器学习库，它的名称就提示了我们学习和理解它的工作原理了：张量是多维的数组，它流过所有节点图。

tf.Graph

在TensorFlow里所有的计算都表示为数据流图的计算。数据流图主要有两大部分组成：

l tf.Operation集合，它表示所有计算单元。

l tf.Tensor集合，它表示数据单元。

通过查看下面这张数据流图，就明白它的工作过程：

假如你定义x = [1, 3, 6] 和 y = [1, 1, 1]，可以使用张量tf.Tensor来表示数据单元，所以定义常量张量如下：

import tensorflow as tf

x = tf.constant([1,3,6])
y = tf.constant([1,1,1])

现在可以定义操作运算：

import tensorflow as tf

x = tf.constant([1,3,6])
y = tf.constant([1,1,1])

op = tf.add(x,y)

已经有数据流图所需要两部分了，就可以建立这个数据流图：

import tensorflow as tf

my_graph = tf.Graph()

with my_graph.as_default():
x = tf.constant([1,3,6])
y = tf.constant([1,1,1])

op = tf.add(x,y)

TensorFlow的工作流程图是这样的：首先创建一个数据流图，接着通过图来计算（运行这个图里的节点计算操作）。为了运行图，必须创建一个会话tf.Session。

tf.Session

tf.Session对象封装了运行操作operation对象和张量Tensor对象的计算，因此我们需要为图定义一个会话：

import tensorflow as tf
my_graph = tf.Graph()
with tf.Session(graph=my_graph) as sess:
    x = tf.constant([1,3,6]) 
    y = tf.constant([1,1,1])
    op = tf.add(x,y)

为了执行这些操作，需要使用方法tf.Session.run()来运行，这个方法执行了图计算的一步运算，在这些计算里只会运行需要计算的操作，然后把需要求解的值计算出来并取回来（fetches）。在上面这个例子里，就是对两个张量进行相加的操作：

import tensorflow as tf
my_graph = tf.Graph()
with tf.Session(graph=my_graph) as sess:
    x = tf.constant([1,3,6]) 
    y = tf.constant([1,1,1])
    op = tf.add(x,y)
    result = sess.run(fetches=op)
    print(result)
>>> [2 4 7]

一个预测模型

通过上面学习，已经理解了TensorFlow的工作过程了，接着下来学习怎么样创建一个预测模型，简单地说：

Machine learning algorithm + data = predictive model

机器学习算法 + 数据 = 预测模型

因而构造这个模型如下：

从上面可以看到，模型主要由机器学习算法通过数据训练来组成的，当你把这个模型训练之后，就可以使用它如下面这样进行预测了：

由于我们定义的模型是用来对文本进行分类，所以定义如下：

输入：文本，输出：分类

接着，我们需要一个做了标记的文本训练集（每个文本对应一个分类标志）。在机器学习里，这种情况叫做监督学习（Supervised learning）。

“We know the correct answers. The algorithm iteratively makes predictions on the training data and is corrected by the teacher.” — Jason Brownlee

由于是把数据分类，所以这个又是分类任务。

为了创建这个模型，我们将使用神经网络。

神经网络

神经网络是一个计算模型（用数学语言和数学概念描述系统的一种方法）。这些系统是自己学习和训练，而不是显式地编程。

神经网络的灵感来自我们的中枢神经系统，相互连接的节点就像我们的神经单元一样：

第一个神经网络的算法是感知机，这篇文章介绍了感知机的工作原理（https://appliedgo.net/perceptron/）。

为了理解神经网络是怎么样使用TensorFlow建立和工作，可以查看这个例子（https://github.com/aymericdamien/TensorFlow-Examples/blob/master/notebooks/3_NeuralNetworks/multilayer_perceptron.ipynb）。

神经网络架构

本神经网络由两个隐藏层组成（至于选择多少层隐藏层，这是属于神经网络的架构设计）。每个隐藏层的工作是将输入转换成输出层可以使用的东西。

第一层隐藏层

你需要定义第一层隐藏层有多少个节点，这些节点也叫做特征值或者神经元，在上图里表示为圆圈。

在输入层里每个节点表示一个数据集的单词（后面会看到怎么样表示）。

如图所示，每个节点（神经元）都乘以一个权重值。每个节点有一个权重值，在训练期间，神经网络通过调整这些权重值，以便可以生产一个正确的输出。

除了每个输入节点乘以权重值之外，神经网络还需要加上一个偏差值（http://stackoverflow.com/questions/2480650/role-of-bias-in-neural-networks）。

在我们的构架里输入的值乘以权重值，加上偏差值，然后通过激活函数。激活函数是定义在每个输出节点的后面，可以这样来理解：假设每个节点都是灯，激活函数告诉灯是否亮。

激活函数有很多种类型，最常使用的非线性激活函数（ReLu），它定义如下：

f(x) = max(0,x) [the output is x or 0 (zero), whichever is larger]

例如：如果x = -1，那么f(x) = 0；如果x = 0.7, 那么f(x) = 0.7。

第二层隐藏层

其实第二层隐藏层的工作方式与第一层是一样的，只不过，第二层是从第一层进行输入的：

输出层

最后我们来到最后一层：输出层。需要使用one-hot-encoding（https://en.wikipedia.org/wiki/One-hot）来表示输出结果，仅有一个元素为1，其它元素为0.假如，我们使用三个分类（体育、太空和计算机图形学）：

+-------------------+-----------+
|    category       |   value   |
+-------------------|-----------+
|      sports       |    001    |
|      space        |    010    |
| computer graphics |    100    |
|-------------------|-----------|

由上可知，输出节点的数目就是数据集分类的数目。

输出层的数值也是乘以权重值，并加上偏差值，但最后的激活函数是不一样的。

您希望将每个文本标记为一个类别，这些类别是相互排斥的（意味着每个文本不可能同时属于两种类别）。考虑到这些，显然使用非线性激活函数ReLu就不行了，因而采用Softmax函数（https://en.wikipedia.org/wiki/Softmax_function），这个函数转换输出结果为0和1之间，且所有元素相加起来等于1，通过这样的方式告诉我们每个分类的文本的概率：

| 1.2                    0.46|
| 0.9   -> [softmax] -> 0.34|
| 0.4                    0.20|

到这里已经把全部神经网络的数据流图说完了，可根据整个过程转换为代码，如下：

# Network Parameters
n_hidden_1 = 10        # 1st layer number of features
n_hidden_2 = 5         # 2nd layer number of features
n_input = total_words  # Words in vocab
n_classes = 3          # Categories: graphics, space and baseball
def multilayer_perceptron(input_tensor, weights, biases):
    layer_1_multiplication = tf.matmul(input_tensor, weights['h1'])
    layer_1_addition = tf.add(layer_1_multiplication, biases['b1'])
    layer_1_activation = tf.nn.relu(layer_1_addition)
# Hidden layer with RELU activation
    layer_2_multiplication = tf.matmul(layer_1_activation, weights['h2'])
    layer_2_addition = tf.add(layer_2_multiplication, biases['b2'])
    layer_2_activation = tf.nn.relu(layer_2_addition)
# Output layer with linear activation
    out_layer_multiplication = tf.matmul(layer_2_activation, weights['out'])
    out_layer_addition = out_layer_multiplication + biases['out']
return out_layer_addition

（后面我们讨论输出层的激活函数的代码。）

神经网络怎么样学习

从上面我们看到，权重值是在神经网络训练的过程中更新的，下面通过TensorFlow的环境里来查看神经网络是怎么样学习的。

tf.Variable

权重值和偏差值都是保存在变量（tf.Variable）里，通过调用函数run()来维护和更新这些变量的状态。在机器学习的初始阶段，我们常常把这些权重值和偏差值初始化为正态分布的值（https://en.wikipedia.org/wiki/Normal_distribution）。

weights = {

'hidden1': tf.Variable(tf.random_normal([n_input, n_hidden_1])),

'h2': tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2])),

'out': tf.Variable(tf.random_normal([n_hidden_2, n_classes]))

}

biases = {

'biases1': tf.Variable(tf.random_normal([n_hidden_1])),

'b2': tf.Variable(tf.random_normal([n_hidden_2])),

'out': tf.Variable(tf.random_normal([n_classes]))

}

当我们第一次运行神经网络时，这些权重值和偏差值都采用正态分布的值来初始化：

input values: x

weights: w

bias: b

output values: z

expected values: expected

神经网络为了知道怎么样学习，需要比较输出值（z）和期望值（expected）之间的差异，然后通过计算它们之间的差（损失）？计算这种之间的差别有很多方式，但我们这里的任务是分类任务，因此最好的损失函数是采用交叉熵的方式（https://en.wikipedia.org/wiki/Cross_entropy）。

James D. McCaffrey写了一篇文章来说明为什么采用这种方式是最好的分类方法（https://jamesmccaffrey.wordpress.com/2013/11/05/why-you-should-use-cross-entropy-error-instead-of-classification-error-or-mean-squared-error-for-neural-network-classifier-training/）。

在TensorFlow里用来计算交叉熵的函数是tf.nn.softmax_cross_entroy_with_logits() ，接着使用平均误差（tf.reduced_mean()）来计算：

# Construct model

prediction = multilayer_perceptron(input_tensor, weights, biases)

# Define loss

entropy_loss = tf.nn.softmax_cross_entropy_with_logits(logits=prediction, labels=output_tensor)

loss = tf.reduce_mean(entropy_loss)

为了让输出的误差最小化（输出值与期望值之间的差最小），就需要找到合适的权重值和偏差值。要完成这个任务，因而就引入了梯度下降的算法，更加直接一点就是采用随机梯度下降算法（https://en.wikipedia.org/wiki/Stochastic_gradient_descent）：

同样也有很多算法来计算梯度下降的，在这里采用Adaptive Moment Estimation (Adam)算法计算（http://sebastianruder.com/optimizing-gradient-descent/index.html#adam）。在TensorFlow里使用这个算法时，需要输入一个学习速率的参数，这个参数决定了每一次找到最好的权重值的步伐。

方法tf.train.AdamOptimizer(learning_rate).minimize(loss)是分成两步计算的，如下：

1. 计算梯度（损失值， <变量列表>）

2. 更新梯度（<变量列表>）

这个方法更新了所有变量tf.Variables为新值，所以不需传送变量列表。可以把训练的代码像下面这样编写：

learning_rate = 0.001
# Construct model
prediction = multilayer_perceptron(input_tensor, weights, biases)
# Define loss
entropy_loss = tf.nn.softmax_cross_entropy_with_logits(logits=prediction, labels=output_tensor)
loss = tf.reduce_mean(entropy_loss)
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(loss)

数据操作

在这个数据集里使用英语文本来表示，需要把这些数据通过神经网络，下面需要做两件事情：

1. 每个单词创建一个索引

2. 每句话创建一个矩阵，如果单词出现标记为1，否则标记为0.

下面的代码就是处理这个过程：

import numpy as np    #numpy is a package for scientific computing
from collections import Counter
vocab = Counter()
text = "Hi from Brazil"
#Get all words
for word in text.split(' '):
    vocab[word]+=1
        
#Convert words to indexes
def get_word_2_index(vocab):
    word2index = {}
    for i,word in enumerate(vocab):
        word2index[word] = i
        
    return word2index
#Now we have an index
word2index = get_word_2_index(vocab)
total_words = len(vocab)
#This is how we create a numpy array (our matrix)
matrix = np.zeros((total_words),dtype=float)
#Now we fill the values
for word in text.split():
    matrix[word2index[word]] += 1
print(matrix)
>>> [ 1.  1.  1.]

在这个例子里，句子“Hi from Brazil”变成矩阵[1. 1. 1.]表示，如果句子只有单词“Hi”时怎么样表示？
matrix = np.zeros((total_words),dtype=float)
text = "Hi"
for word in text.split():
    matrix[word2index[word.lower()]] += 1
print(matrix)
>>> [ 1.  0.  0.]

对于标签也可采用同样方法，不过是采用one-hot向量的方式：

y = np.zeros((3),dtype=float)

if category == 0:

y[0] = 1. # [ 1. 0. 0.]

elif category == 1:

y[1] = 1. # [ 0. 1. 0.]

else:

y[2] = 1. # [ 0. 0. 1.]

运行数据流图和获取计算结果

现在到了最激动人心的部分：从模型获取计算结果。首先来查看输入的数据集。

数据集

可以使用20个新闻组（http://qwone.com/~jason/20Newsgroups/）的数据，20个主题组成，大概有18000个篇文章。要加载这些数据需要使用scikit-learn库，在这里仅使用三个分类：comp.graphics, sci.space 和rec.sport.baseball。Scikit-learn有两个集合组成：一个训练集和测试集。建议你不要看测试数据，因为在创建模型时会干扰你的选择。你不想创建一个模型来预测这个特定的测试数据，你想创建一个模型，具有良好的泛化。

下面就是加载数据的代码：

from sklearn.datasets import fetch_20newsgroups

categories = ["comp.graphics","sci.space","rec.sport.baseball"]

newsgroups_train = fetch_20newsgroups(subset='train', categories=categories)

newsgroups_test = fetch_20newsgroups(subset='test', categories=categories)

训练模型

在神经网络的术语里，一个周期等于一遍数据通过（获取输出值）和一遍反馈（更新权重值）。

还记得方法tf.Session.run()吗？让我们再来仔细看一下：

tf.Session.run(fetches, feed_dict=None, options=None, run_metadata=None)

在刚开始的神经网络的数据流图，我们使用相加的操作，但现在我们能传送一系列的操作了。在神经网络里，你主要做两件事情：损失值计算和每一步优化。

参数feed_dict是每一步运行时的传送数据的参数，为了传送数据，需要使用类(tf.placeholders)定义变量。

在TensorFlow的文档里是这样描述的：

“A placeholder exists solely to serve as the target of feeds. It is not initialized and contains no data.” — Source

所以定义如下：

n_input = total_words # Words in vocab

n_classes = 3 # Categories: graphics, sci.space and baseball

input_tensor = tf.placeholder(tf.float32,[None, n_input],name="input")

output_tensor = tf.placeholder(tf.float32,[None, n_classes],name="output")

训练时可以使用分批进行：

“If you use placeholders for feeding input, you can specify a variable batch dimension by creating the placeholder with tf.placeholder(…, shape=[None, …]). The None element of the shape corresponds to a variable-sized dimension.” — Source

我们将字典具有较大的批量测试时的模型，这就是为什么你需要定义一个变量的批处理尺寸。

因此定义函数get_batches()get_batches()来获取批量：

training_epochs = 10
# Launch the graph
with tf.Session() as sess:
    sess.run(init) #inits the variables (normal distribution, remember?)
    # Training cycle
    for epoch in range(training_epochs):
        avg_cost = 0.
        total_batch = int(len(newsgroups_train.data)/batch_size)
        # Loop over all batches
        for i in range(total_batch):
            batch_x,batch_y = get_batch(newsgroups_train,i,batch_size)
            # Run optimization op (backprop) and cost op (to get loss value)
            c,_ = sess.run([loss,optimizer], feed_dict={input_tensor: batch_x, output_tensor:batch_y})

到这里已经有一个被训练的模型了，为了测试它，必须创建一个测试运行图。我们将测量模型的准确性，所以你需要得到预测值的指数和正确值的索引（因为我们使用的是一个热编码），检查它们是否相等，并计算所有测试数据集的平均值：

# Test model

index_prediction = tf.argmax(prediction, 1)

index_correct = tf.argmax(output_tensor, 1)

correct_prediction = tf.equal(index_prediction, index_correct)

# Calculate accuracy

accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

total_test_data = len(newsgroups_test.target)

batch_x_test,batch_y_test = get_batch(newsgroups_test,0,total_test_data)

print("Accuracy:", accuracy.eval({input_tensor: batch_x_test, output_tensor: batch_y_test}))

>>> Epoch: 0001 loss= 1133.908114347

Epoch: 0002 loss= 329.093700409