算法工程師必讀！國內首本算法評估書籍來了！
↑↑↑點擊上方藍字，回復資料，10個G的驚喜
在工作和學習的過程中，有兩個經常困擾程序員的問題，一個是算法如何設計？另一個是算法如何評估？
算法的設計有簡有繁，最簡單的時候甚至可以用一些規(guī)則來兜底。但是評估方案的設計從來馬虎不得，因為任何算法都不可能不經過合理的評估就上線，未經評估就更談不上為公司創(chuàng)造價值和推動社會發(fā)展。
更重要的是，作為一個算法工程師，在匯報工作時，評估結果是一定要展示的內容?？梢哉f，算法的評估方案是決定算法能否上線應用的關鍵因素之一，沒有被合理評估過的算法就是空中樓閣，或許好看，但不實用。
今天異步君推薦的這本書《機器學習算法評估實戰(zhàn)》，徹底解決了這兩個問題。
這本書來自美團高級算法工程宋亞統(tǒng)。他將自己在學習、工作中總結的評估方法分享出來，希望職場新人少走彎路。
● 點擊上圖，即可購買《機器學習算法評估實戰(zhàn)》
何為機器學習算法評估？
何以需要算法評估？
過去的十年中，即互聯網浪潮的“上半場”中，在人工智能技術和互聯網思維的驅動下，做網購的天貓和京東、做餐飲的美團、做打車的滴滴、做租房的自如……
這些互聯網公司如雨后春筍般迅猛發(fā)展，公司業(yè)務幾乎涵蓋了人們衣食住行的方方面面。其中，機器學習在各公司的業(yè)務實踐中初露鋒芒。從天貓的商品個性化推薦，到百度的語義識別，再到京東的無人配送，機器學習都發(fā)揮了不可替代的作用。
機器學習的評估體系也承擔了重要的任務，人們通過一些常規(guī)的指標，基本能夠完成對算法質量的初步判斷，從而使算法在應用中達到預期的效果。
然而，在互聯網浪潮的“下半場”中，競爭逐漸激烈、市場趨于穩(wěn)定，許多公司已經有了屬于自己的一片“領地”。對于大公司，“下半場”更多地意味著“精耕細作”和“國際化”，“精耕細作”指進一步提升效率和降低成本，“國際化”則指將平臺和世界接軌，真正將自己的品牌推向世界。
而對于后入場的小公司，則意味著兩條發(fā)展路線，一條是研發(fā)領先于市場的新技術和新產品，做尖端服務，這可能難度較大；另一條就是走精細化路線，專注于某一個垂直領域，也就是大公司的業(yè)務涵蓋不到的業(yè)務場景，提供差異化服務。
由此可見，在“下半場”的競爭中，我們對機器學習算法的研發(fā)都需要更加專業(yè)化和精細化，機器學習算法的評估更是重中之重！
你知道什么是機器學習算法評估嗎？
隨著科技的發(fā)展和普及，“機器學習”已經不再是一個高冷的技術名詞。諸葛越在《百面機器學習》一書中對機器學習的定義是這樣的：“機器學習指計算機通過觀察環(huán)境，與環(huán)境交互，在吸取信息中學習、自我更新和進步?！?br style="box-sizing: border-box;">
我們可以大致理解為，機器學習就是計算機通過模擬人的學習方法，對一些訓練數據進行學習的過程。一旦計算機獲得了相應的“知識”，就能夠像人一樣做出智慧的推導和判斷。
而機器學習算法評估就是用科學的指標，對機器學習算法進行完整、可靠的評價，并給出有條理的、可解釋的結論的過程。
任何產業(yè)都需要一個合理的檢測機制來判斷這些產品是否合格。算法的評估就是互聯網產業(yè)的一種檢測機制，它告訴開發(fā)人員算法的可靠性和合理性等重要信息，作為算法能否上線應用的重要依據。
那么我們?yōu)槭裁葱枰惴ㄔu估呢？
機器學習能在短短數年間廣泛普及，與它的智能性、穩(wěn)定性和可靠性是密不可分的，機器學習算法完善的評估體系正是這些優(yōu)秀特性的可靠保障。一個優(yōu)秀的算法在上線之前，一定要經過嚴密、周全的評估，才能在上線后發(fā)揮出令人驚嘆的“人工智能之美”，正所謂“寶劍鋒從磨礪出，梅花香自苦寒來”。
很多從業(yè)人員，尤其是職場新人，往往把模型的訓練和算法的設計作為最重要的工作，卻忽視了算法評估的重要性。然而，在很多領域，評估體系的構建甚至要先于算法設計。
沒有可靠的評估體系，算法即便研發(fā)出來也不具備上線服務的能力，因為沒有人能保證它的可靠性?？梢哉f，沒有好的評估體系，就沒有算法的廣泛普及。
無論是大公司還是小公司，在互聯網浪潮的“下半場”的競爭中，對機器學習算法的研發(fā)都需要更加專業(yè)化和精細化。
在機器學習算法評估的問題上，傳統(tǒng)領域的很多指標不一定能適應新的領域，因此在新的領域中需要新的評估指標來提供特定業(yè)務場景下的個性化服務。
而對于職場上的個體，掌握一套科學高效的評估理論，不僅可以大大提高自己的工作效率，也能更好地向上級領導展示自己的工作成果，在職場發(fā)展中取得事半功倍的效果。
亟需算法評估?。?/strong>
你真的會評估嗎？
評估體系的關鍵因素又是什么？
算法評估是如此重要，但我想真誠地問你一句：“你真的會評估嗎？”
當然，有些從業(yè)人員會說，算法的評估不就是看算法的效果和性能嗎？這些在剛入門的時候就學過啊。
對此，我只想說算法評估并不是這么簡單的一回事。真正地將一個算法用于工業(yè)生產并產生巨大的商業(yè)價值，只依靠這些書本上學來的“指標”是遠遠不夠的，因為在實際應用過程中，大部分指標只能反映算法的部分效果。如果不能合理地運用評估指標，不僅不能發(fā)現算法本身的問題，還可能得出錯誤的結論。
比如，當你在進行異常檢測算法的評估時，假設次品出現的概率是0.1%，如果算法把所有樣本都預測為正品，準確率雖然也能保證99.9%，但是這樣的結果對于異常檢測是沒有任何意義的，因為這樣的算法空有好看的準確率指標，卻一個次品都識別不出來。
再比如用于識別財務數據的圖像識別系統(tǒng)，即使在1萬張發(fā)票中只有1張把數字“8”誤讀為“6”，給使用方造成的損失也很可能是難以彌補的。
這些例子告訴我們，一個好的算法并不能只有一堆漂亮的數字指標，更關鍵的是它要符合實際的業(yè)務場景，能夠應對現實環(huán)境中各種復雜的情況。
因此，我們講算法的評估，從來不是依靠一個或幾個聽起來“高大上”的評估指標，而是要依賴一個完整的、可靠的評估體系。一句話總結，即指標不重要，實用才可靠。
制定機器學習算法評估標準可以從以下3個方面入手。
（1）根據不同類型的算法制定不同的通用評估標準。比如，對于分類算法和回歸算法，需要分別使用一套評估指標進行評估。
（2）對于實現原理不同的算法，需要分別制定評估標準。比如，在評估樹模型和深度學習算法解決分類問題的效果時，除了使用分類算法的通用指標，還需要針對每一種算法定義評估指標。
（3）針對不同的業(yè)務場景制定評估標準。比如，用深度學習算法進行文本分類和路線排序，這兩種業(yè)務本質上都是用深度學習算法解決分類問題，但是文本分類業(yè)務和路線排序業(yè)務的評估指標是有很大區(qū)別的。
“車之所以能轉千里者，以其要在三寸之轄?！蔽覀兌贾雷プ￡P鍵對整體是有重大意義的，可以說是以一持萬。那么評估體系的關鍵因素又是什么？
● 實用性
算法能夠上線的最基本條件就是要切合實際業(yè)務場景，因此，評估體系首先應該能夠解釋清楚一個算法是否能夠解決實際的業(yè)務問題。
● 容錯程度
評估體系應該告訴算法設計者，這個算法在什么情況下是一定適用的、不會出錯的；在什么情況下不能保證準確性，需要采取其他“兜底”策略來補充。
● 性能
如果說實用性是決定算法是否有研發(fā)價值的標桿，那么性能評估則是決定算法是否能落地實施的準繩。無論一個算法的業(yè)務效果表現多么出色，如果性能不符合實際生產的需要，那么它也只是紙上談兵。
● 可解釋性
算法設計是一門學科，所有的數據指標都必須具備科學的依據才能成立，得到的評估結論不能輕易被上級領導和客戶推翻。
● 表現形式
表現形式是直接決定你的算法評估結果能否被上級領導寫入PPT的關鍵因素之一。評估結果能用圖展示就不要用表，能用表展示就不要用文字，畢竟每個人都不愿意花費過多時間在復雜的文字閱讀理解上。
這本書教會你什么？
“書籍是前人的經驗?！?/span>
—拉布雷
《機器學習算法評估實戰(zhàn)》便是作者的經驗匯成的大成之作。機器學習算法評估就是用科學的指標，對機器學習算法的智能性、穩(wěn)定性與可靠性進行完整、可靠的評價，并給出有條理的、可解釋的結論。
一個優(yōu)秀的算法在上線之前，一定要經過嚴密、周全的評估，才能應對現實業(yè)務環(huán)境的復雜情況，充分發(fā)揮令人驚嘆的“人工智能之美”。而這本書就不僅僅傳授于你機器學習算法相關的理論知識，還教會了你如何正確進行機器學習算法評估。
這本書詳細介紹機器學習算法評估的理論、方法和實踐。全書分為3個部分。
第1部分包含第1章～第3章，針對分類算法、回歸算法和聚類算法分別介紹對應的基礎理論和評估方法；
第2部分包含第4章～第8章，介紹更復雜的模型（如深度學習模型和集成樹模型）的對比與評估，并且針對它們實際應用的業(yè)務場景介紹一些特有的評估指標和評估體系；
第3部分包含第9章～第11章，總結算法評估的常用工具、技術及方法論，包括實用的可視化工具介紹，并討論機器學習算法的本質。
這本書是機器學習和人工智能領域的專業(yè)圖書，對于具備一定基礎算法知識的讀者，是一本能夠提升實際操作能力和算法理解程度的書；
對于剛入門機器學習和深度學習的讀者，本書提供了大量的圖片和表格，盡可能用通俗易懂的方式把難以理解的知識點講解清晰，容易理解和記憶。
因此，讀者只要具備機器學習和統(tǒng)計學的基礎知識，本書都可以作為其提升專業(yè)技能的“不二選擇”。
本書特色：
● 圖文并茂，全彩印刷，完整而系統(tǒng)地介紹機器學習算法評估理論；
● 配套源碼，基于業(yè)務場景評價算法上線服務的可靠性；
● 利用算法評估工具進行實踐，探索機器學習算法本質；
......
求學若渴，好書推薦！
一入機器學習深似海，算法學習深幾許？開卷有益，在這里，我還為你精心準備三本寶書，愿你與書同行。
●《百面機器學習 算法工程師帶你去面試》
● 點擊上圖，即可購買《百面機器學習 算法工程師帶你去面試》
內容簡介：
人工智能領域正在以超乎人們想象的速度發(fā)展，本書趕在人工智能徹底占領世界之前完成編寫，實屬萬幸。
書中收錄了超過100道機器學習算法工程師的面試題目和解答，其中大部分源于Hulu算法研究崗位的真實場景。
本書從日常工作、生活中各種有趣的現象出發(fā)，不僅囊括了機器學習的基本知識，而且還包含了成為出眾算法工程師的相關技能，更重要的是凝聚了筆者對人工智能領域的一顆熱忱之心，旨在培養(yǎng)讀者發(fā)現問題、解決問題、擴展問題的能力，建立對機器學習的熱愛，共繪人工智能世界的宏偉藍圖。
●《機器學習的數學》
● 點擊上圖，即可購買《機器學習的數學》
內容簡介：
本書的目標是幫助讀者全面、系統(tǒng)地學習機器學習所必須的數學知識。全書由8章組成，力求精準、最小地覆蓋機器學習的數學知識。
包括微積分，線性代數與矩陣論，最優(yōu)化方法，概率論，信息論，隨機過程，以及圖論。本書從機器學習的角度講授這些數學知識，對它們在該領域的應用舉例說明，使讀者對某些抽象的數學知識和理論的實際應用有直觀、具體的認識。
本書內容緊湊，結構清晰，深入淺出，講解詳細。可用作計算機、人工智能、電子工程、自動化、數學等相關專業(yè)的教材與教學參考書。對人工智能領域的工程技術人員與產品研發(fā)人員，本書也有很強的參考價值。對于廣大數學與應用的數學愛好者，本書亦為適合自學的讀本。
●《人工智能算法（卷3）：深度學習和神經網絡》
● 點擊上圖，即可購買《人工智能算法（卷3）：深度學習和神經網絡》
內容簡介：
自人工智能的早期階段以來，神經網絡就扮演著至關重要的角色?，F在，令人興奮的新技術，例如深度學習和卷積，正在將神經網絡帶向一個全新的方向。
本書結合各種現實世界任務中的神經網絡應用，例如圖像識別和數據科學，介紹了當前的神經網絡技術，包括ReLU激活、隨機梯度下降、交叉熵、正則化、Dropout和可視化。
本書的目標讀者是那些對人工智能感興趣，但苦于沒有良好的數學基礎的人。讀者只需要對大學代數課程有基本了解即可。本書為讀者提供配套的示例程序代碼，目前已有Java、C#和Python版本。
也可以加一下老胡的微信 圍觀朋友圈~~~
推薦閱讀
（點擊標題可跳轉閱讀）
老鐵，三連支持一下，好嗎？↓↓↓