一个基本的AI建模议题：分类的标签设定
by 高焕堂
<<议题>>
为什么在多类别的分类时，其标签(Label)值要设定像[0,0,1]、[0,1,0]、[1,0,0]这样的格式呢?
<<观摩范例>>
例如，针对104网页上的工作机会，如果只取一个特征(如<钱多>)来作为判断(即分类)的依据，而进行分类，分为<喜欢>与<不喜欢>两类。使用Excel表达如下：
因为分为两类，所以就设定两个Label值：[10]和[01]。这里的[10]就代表数学的阵列[1,0]的意思。
以此类推，如果分为3类，如下：
这是根据两个特征(性别和学历)而进行分类，将其分为3类：男、女、漂亮博士。所以就设定3个Label值：[100]、[010]和[001]。这里的[100]就代表数学的阵列[1,0,0]的意思。以此类推，再看看这个例子：
这个范例是参考Donald J. Norris所写的〝Raspberry Pi Python Prolog〞一书的范例。只利用几条直线线段来呈现0到9等十位数字。例如下图：
透过五条线段的组合，可以组合出<0>、<1>、<2>与<3>阿拉伯数字，如下：
人们很容易就能辨识出来，那么我们如何去训练AI机器，让它具有智慧，也能迅速辨别出来呢? 本章就透过这范例，让您来观摩一下啰。 其中，最后一个看起来很像数字<6>，在本范例里刻意也将它视为数字<0>。这个模型经过训练之后，将能辨别<0>、<1>、<2>与<3>共四个阿拉伯数字。也就是分为4类。于是设定其Label值如下：
- 第#0笔资料的实际值是t[1 ,0, 0, 0] --- 代表数字<0>
- 第#1笔资料的实际值是t[0 ,1, 0, 0] --- 代表数字<1>
- 第#2笔资料的实际值是t[0 ,0, 1, 0] --- 代表数字<2>
- 第#3笔资料的实际值是t[0 ,0, 0, 1] --- 代表数字<3>
- 第#4笔资料的实际值是t[1 ,0, 0, 0] --- 代表数字<0>
<<说明缘由>>
这需要复习一下，最基本的NN(神经网路)结构：
其运算公式是：
设定：W0 = 1, b0 = 0。而且设定：W1 = -1， b1 = 1。
输入第1笔资料(即工作-1)的特征值：
计算出结果：
上面已经输入第1笔资料(即工作-1)的特征值：1(代表钱多)。而输出的值：[1,0]则代表<喜欢>。
于是，在Excel上列出其中的对应关系，来训练AI模型：
以上是从简单的NN模型架构，让您充分理解为什么我们要为每一笔资料做<标注>(Label)，而且是像[10000]、[01000]这样的格式。这就是当今主流的AI：监督式学习。接下來，按下<求Z>，就展开<训练>的动作：
例如，针对第#1笔资料而计算出了z[] = [0.958, 0.042]。其中，最大值是0.958，就以1来取代0.958，并以0来取代其他较小的值，就得到新的阵列值：[1, 0]，它就是代表<喜欢>的Label值，于是这AI机器就预测您会喜欢这第#1笔资料所代表的：工作-1。
再如，针对第#2笔资料而计算出了z[] = [0.063, 0.937]。其中，最大值是0.937，就以0来取代0.937，并以0来取代其他较小的值，就得到新的阵列值：[0, 1]，它就是代表<不喜欢>的Label值，于是这AI机器就预测您不会喜欢这第#2笔资料所代表的：工作-2。
~ END ~
