挑选命题的要件 | ML#Day4

过去那一段时间，直到感受做不出明确的实作成果，和夥伴才意识到题目有问题。

经验整理一下，或许可以用几个面向来决定我们的题目：

1. 结果的资料型态：

连续型资料v.s离散型资料

这取决於你想要的是一个数值结果，还是Yes or No 的答案。

数值的结果基本上会是一种连续型的资料，譬如说预测老板明天会几点进办公室，可能9:01分，可能九点02分，或者9点03分。

更精准的数值，也许是9:01:00，也许是9:01:01，甚至9:01:01.234等等，换而言之这就不会有标准答案，我们只需要的一个可以接受范围内的答案。

或者预测房屋总价，假设有个物件在800万上下，802万，805万，820万等等其实意义不大，我们只是需要个大概的价钱。

一方面，因为是数学公式运算，得到的解若非精准一模一样，在数学上就是不正确，因此这种题目的答案可以说一开始就没有完美解答，只有误差范围在一定的程度之下的答案。

离散型的答案，譬如说对/错、是/否、猫/狗辨识等等，彼此个体差异有明确的界线，比起数值的加减乘除，你在意的是能够分界的参数。

这两种不同性质的结果，会影响到参数的取用，以及模型的选定。

2. 范围的大小

范围越大，问题会越复杂，所需要的参考参数也会越多，甚至会需要因应不同的情境而调整(换句说问题复杂到考虑各种情境)。

而一个参数，就可以想像成一个维度，试想人类生活在3维空间，感受到4维的流动(时间)，4维以上已经无法用图像表示模型的运作处理，只能用数学表示，可知道对於理解的直觉上会有诸多不便。

因此题目的大小，一方面可以用需要选用参数多寡，作为检视题目难易的一种参考依据。

3. 情境的定义

题目可以是开放式的问题，或者天马行空的想像，不过答案越肯定与切确越好，最好每个人听到这个问题都有共同的认知与定义，ML才越有机会做下去。

举例来说，题目定义「抓出违反交通规则的行为」，什麽是违反交通规则？答案无法在短时间得出，而且有模糊边界，答案基本上有分歧的状况之下，这个题目有非常高的复杂度。

但是题目简化一下，变成「抓出闯红灯的行为」，问题简单多了吧？不过也因此我们当初太大意了，认为这样的题目已经简略到可以处理，其实却还是太过拢统。

闯红灯也许是汽车、机车、脚踏车、行人、甚至一只狗、另外是不是要排除救护车、警车、消防车的通过，通过两个直线的红灯才是我们关心的问题，或者违规在红灯时回转，也是我们关心的问题呢？

诸如此类，题目能够精简，入门的障碍在开始之前就能够排除一大堆。

当然就会开始碰到现实面的问题，太简单的问题，对商业产出是否有意义呢？是否能够说服你的老板进行项目？

4. 会必然发生的事件

以猫狗辨识来说，这世界上有猫有狗，进行ML就不太困难。

但你要预测世界有没有外星人，或者经过几年後，我们会跟外星人有一次清楚的文明交流，问题就相当困难。

现实层面上，你要预测电商每天会有多少订单量，比起预测明年双11办活动的时候，会有多少订单量还来得容易。

每天的订单量在你每次训练完模型，或者参数调整完，马上就可以验证与调整。

办活动的订单量却在明年活动结束之前，都不知道结果如何。

我们常说机器学习，就是一直在训练模型，所谓「训练」真的不是随便说说而已，需要反覆进行无数次的调整，要怎麽调整又是基於前次的不好而改变，如果不知道结果好坏，又该如何调整？

所以基於成本效益，能够短时间验证我们训练结果的题目才是好题目，如果没办法确定的事情，就先放一边去吧。

又譬如说你想要做一个侦测骇客攻击的AI模型，除非团队有能力自行制造情境，否则你怎麽知道骇客什麽时候会来攻击系统，好验证你的训练模型呢？

以上大概是这阵子来的血泪心得，我们的题目在前两次都选择不够好。