AI说人“画” | 惊！可以用“随机森林”治疗选择恐惧症

大数据文摘力荐！原创小视频【AI说人“画”】系列。用轻松的手绘方式，讲清楚一些有趣的AI概念。

我们有号称所有聪明人中最酷的那个小姐姐！用灵魂手绘和欢脱语言，来和你聊聊最枯燥的理论！请收看5分钟中文小视频节目▼

hello大家好，我是Vicky，今天我们来聊聊“随机森林”～

某一天，小红想看个电影，但是她不确定自己会不会喜欢这个片子，于是她问她的朋友小明意见，小明先是一脸懵，但是因为小红长得好看所以决定....帮帮她吧

因为小明对她的口味也不是很了解，所以他先给了小红一些电影和电视剧，看看小红是不是喜欢 ——这些就是被标记的“训练数据集”。

比如，她喜不喜欢看《使徒行者》，喜不喜欢看《法证先锋》等等。随后，小红也反馈一些信息，比如她问，《使徒行者》是不是林峰演的？ 《法证先锋》是不是警匪剧呀？

她先问的就是在她看来信息量最大的问题 （最大化每个问题的信息增益）综合这些问题之后给出一个“喜欢”或者“不喜欢”的答案。

此时，小明就是小红的决策树。

但是就算小明再聪明，小明也只是一个人，也是太主观，所以说有可能过拟合。 于是，小红又问了小绿、小黄和小兰，请他们一起投票决定小红是否喜欢某部电影，这时，小红就建立了一个集成分类器，这种情况叫“森林”。

对，是“森林”

但是小红她不想问所有朋友一样的问题，她想给自己的模型增加点儿多样性，以免大家给她相同的答案。

所以她给小黄、小蓝和小绿各自的信息都是不一样的。毕竟她就是因为不清楚自己的喜好 才问大家的——她告诉小蓝她喜欢《爱情公寓》，可是原因可能有很多种，因为演员或者单纯觉得剧情好玩……所以她的朋友们肯定不能仅仅根据她喜欢《爱情公寓》这个事儿来给她建议。

她告诉小绿她喜欢《霸王别姬》，因为她既喜欢张国荣，又喜欢剧情，总之就是真爱。所以这时候，权重就应该多一点。

总而言之，就是不能让小红的朋友们得到与小明相同的数据，而是给他们稍加扰动的版本。（你给每个朋友一个原始训练数据bootstrap抽样后的版本）。

再拿网易云音乐的推荐举例。

＝ ＝怎么还是小红

我特别喜欢粤语歌，尤其是古巨基和张敬轩和侧田的，我也想要一些类型相近的但是不限于他们三个的歌儿。所以，我就不收藏他们，但是多赞一些他们的歌，这样呢，当网易云音乐给我推荐到不是他们三的歌的时候，我再点开相似推荐，就可以有越来越多的相近类型，但是不拘泥于几个歌手的歌了~（?）

利用刚才说的这种集成方法，小红希望她的每个朋友都有些特别的建议——小蓝认为她真心更喜欢《爱情公寓》，小绿认为她喜欢王宝强的电影，小黄认为她什么都不喜欢看，就是逗他们玩……

这样很多的误差都成功被抹掉了。因此，小红的朋友现在形成了一个她电影偏好的装袋（bootstrap aggregated）森林。

然而还有一个问题：比如小红喜欢看古惑仔，可能真不是因为她喜欢郑伊健，也许由于是喜欢陈小春或者是其他原因她自己也不知道。

所以，她并不想要她的朋友们都基于一部电影中有没有郑伊健而给出建议。于是当每个朋友问她问题的时候，问的问题是从全部问题里随机选取的子集，当在建立决策树时，在节点选择分裂属性时加入一些随机性，

也就是说随机选择某些属性，或者在随机选择的子集里面选择属性。这个例子里面就是说，小红的朋友不能问某个电影里面有没有郑伊健这个问题，因此咱们之前给数据层面注入了随机性，现在在模型层面也注入了随机性～

好了，现在小红的所有朋友们就形成了一个随机森林。

所以“随机森林”就是样本抽样（行抽样）+ 特征抽样（列抽样）的树的集合。

小红终于满意了

注：本来呢这期做的是《人的审美从何而来》，也就是上次大家的投票结果。不过今天收到一些反馈说是很多童鞋想要一些“AI说人画”的模型算法视频，所以临时改的这个，准备得比较仓促～（嗯，看出来了哈哈哈哈哈……小编被痛扁ing）

谢谢大家 么么哒~

内容策划及主播：凉亮

监制：Sophie，魏子敏

后期：郭丽（终结者字幕）

文案：韩蕊