科普人工智能(1)：自动诊断（以肝炎诊断为例）

近期准备写一组关于人工智能的科普帖子，本帖之后准备接续推出《人工智能大知识(2)：图像识别（以手写字符为例）》、《人工智能大知识(3)：文本理解（以新闻分类为例）》，基本包括了人工智能几个常见的运用领域。
敬请持续"关注"。
之以是号称"大"知识，是因虽为知识，但须要用点儿心去读（不要你点心，热量超标）。
以是这组帖子紧张奉献给爱动脑、勤思考的老铁们，没兴趣的老铁礼节性点个赞可以忙自己的事情。
也可以先收藏了，或转发给别的可能感兴趣的老铁。
如果不太忙，留言辅导一下你爱看的帖子再走。

本帖通过自动诊断的例子，向大家先容人工智能在数据剖析中的一种范例运用：分类剖析。
分类是智能的最基本表现形式，人们总是通过分类来认知和管理天下万物。
新生儿一来到人间间就开始了分类：根据边幅、声音、气味等成分区分妈妈、爸爸、哥哥、姐姐等人物，进而学会区分食品、玩具等。
临床诊断则是通过医学检讨数据对患者进行"患有哪种病"或"没病"的分类，分类精确便是神医，分类缺点则是误诊；人脸识别、车牌识别等运用也属于分类。
打算机是如何实现分类这种智能行为呢？我们先理解一下人的智能和机器智能的实质。

人的智能产生于脑细胞的愉快与抑制。
脑细胞又称为脑神经元，紧张由细胞核、树突和轴突构成。
树突部分是神经元的输入端，捕捉吸收其他神经元传来的旗子暗记；这些旗子暗记由细胞核进行生、化、电处理；经轴突输出，再通报给别的神经元。
拜会图1。

图1 脑神经元示意图

人脑细胞相互连接，构成一个巨大的脑神经网络。
这个巨大的网络中包括许许多多的子网络，大大小小的子网络就存储影象着一个人感知和学习到的各种知识；这些知识又相互连接构成更繁芜的意识和情绪体系。
拜会图2。

图2 大脑神经网络示意图

打算机的运算器可以进行算术运算和逻辑运算。
逻辑运算可以实现"if X then Y else Z"之类的逻辑判断，这些朴素的智能还可以组合出更繁芜的智能。
这便是较早在机器上实现的人工智能的基本表现形式。
人工智能也称为机器智能。

通过IF..Then构成智能系统，实现人工智能的方法，称为符号主义流派。
随着运用和研究的不断深入，又形成了连接主义、行为主义等方法。
本贴只先容符号和连接的方法。

人工智能是打算机通过对大量数据反复学习得到的。
这个过程称为机器学习。
机器学习是使打算机仿照人的学习过程，通过对已有数据（履历）进行一定打算，得到某种模式；继而利用该模式认知或预测新知识的智能行为。

机器学习紧张包括两大学习形式：监督学习和无监督学习。

监督学习的目的是对样本进行分类。

举个例子：某医疗专家组根据巩膜黄染、淡红舌、苔白、两目干涩、HBeAg、ALT等6个特色项，将乙型肝炎划分为肝胆湿热型和肝郁脾虚型两类，这里"肝胆湿热型"和"肝郁脾虚型"这是这两个类的标签。

打算机通过对大量带有标签的数据按一定方法进行学习，就可以得到一个分类模型（可以理解成一个函数）利用这个模型（函数）就可以对未知分类（不带标签）的样本数据进行分类（贴上标签），即剖断该患者属于哪类肝炎，从而实现自动诊断。

无监督学习的目的是对一批样本（譬如1000名患者）数据进行聚类。
其特点是，供机器学习的样本数据没有标签（没有分类，即未经诊断），相称于前面肝炎数据集的数据只有6个特色项。
打算机通过无监督学习可以将这批患者聚为2类，每一类具有相同或附近的特色。
经专家解读后才知道哪一类是什么类型的肝炎（人工贴上标签）。
有所为，有所不为，本帖不多谈关于聚类的剖析事儿，只谈分类。

范例的分类方法包括：决策树、人工神经网络、深度学习等。
下面先容利用决策树方法进行分类剖析。

决策树实质是一系列IF..Then组成的逻辑判断系统。
从形状上看，决策树由结点和有向边组成。
结点有2种类型：椭圆的内部结点和矩形的叶子结点，内部结点表示一个特色或属性；有向边是对特色（或属性）真假值的判断；叶子结点表示一个类(或模式)。
一样平常的，一棵决策树包含一个根结点、多少个内部结点和多少个叶子结点。
叶子结点对应于决策结果，其他内部结点则对应于一个属性测试。
见图3。

图3 乙肝分类决策树模型(苔白等特色值小于0.5表示无此症状或较轻微）

四、人工神经网络

上面先容的决策树，是属于符号主义的分类方法；下面先容一种连接主义的分类方法：人工神经网络。

人工神经网络，是仿照人脑神经网络构建的一种打算模型。

一个人工神经元，可以有多少个输入值，每个输入值代表被剖析样本的一个特色值xi（譬如：苔白、ALT等数值），再对应为每个输入值设定一个权重系数wi，输入值和权重系数两两相乘，再相加所得的值，便是这个神经元的输出值y。
见图4：

图4 人工神经网络分类模型

这便是人工神经网络进行分类的模型。
实际便是做一些乘法和加法运算。

根据y值大小判断样本属于哪一个类（如"肝胆湿热型"或"肝郁脾虚型"）。
图5(a)。

(a) 一个人工神经元

(b) 人工神经网络

图5 人工神经元与神经网络

将多个神经元按一定构造组成神经网络，会有更好的分类性能。
人工神经网络的构造，一样平常由输入层、隐含层和输出层构成。
图5(b)。

用于分类的神经网络，其输出层节点会设置一个勉励函数，将网络运算的连续值转换为离散值（也便是0或者1），0、1表示一类（譬如"肝胆湿热型"）；1、0则是另一类（譬如"肝郁脾虚型"）。
这便是人工神经网络实现分类的基本事理。

小结：本帖先容了人工智能常用的两种实现方法：属于符号主义的决策树方法，和属于连接主义的人工神经网络方法。
两种方法都是用于监督学习，也便是进行分类的。
分类的结果就实现了打算机自动诊断。
举一反三：如果对一批公司数据作分类剖析，可以判别公司的经营情形，或预测其发展前景。

向耐心读完的老铁致敬！
请点关注，静候《人工智能大知识(2)：图像识别（以手写字符为例）》的出笼。
刚开学，事情多，心绪乱，如有错讹之处，请各位高人批评拍砖，不吝见教。

#探求真知派# #科学思维看百态#