Học có giám sát: học từ ví dụ có đáp án

Bạn có bảng gồm quãng đường, giờ xuất phát và thời gian giao thực tế của các chuyến trước. Với một chuyến mới, bạn muốn ước tính số phút cần đi. Đây là một ví dụ minh họa của học có giám sát: dùng những trường hợp đã có đáp án để học cách dự đoán trường hợp chưa biết.

“Giám sát” nằm trong dữ liệu

Người vận hành không cần đứng cạnh máy và sửa từng phép tính. Sự giám sát nằm ở tín hiệu mục tiêu: thời gian giao đã đo, loại email đã xác nhận hoặc danh mục ảnh đã gán.

Tài liệu nhập môn của Google phân biệt hai bài toán phổ biến là hồi quy và phân loại. Hồi quy dự đoán đại lượng như số phút; phân loại dự đoán lớp như “đúng hẹn” hoặc “trễ hẹn”.

Cùng dữ liệu chuyến giao, hai mục tiêu này dẫn tới hai cách chấm khác nhau. Dự đoán lệch năm phút có thể chấp nhận được trong bài hồi quy, nhưng nếu làm kết quả vượt ngưỡng cam kết thì quyết định đúng hẹn đã bị sai. Vì vậy hãy chốt đầu ra trước khi chọn mô hình.

Mô hình cải thiện bằng tín hiệu sai lệch

Ban đầu, mô hình đưa ra dự đoán còn kém. Hàm mất mát, thường gọi là loss, chuyển khoảng cách giữa dự đoán và đáp án thành một giá trị để thuật toán huấn luyện sử dụng. Các tham số được điều chỉnh qua nhiều lượt với mục tiêu giảm giá trị đó.

Bài về loss của Google giải thích những lựa chọn như sai số tuyệt đối và sai số bình phương. Chúng khiến thuật toán phản ứng khác nhau với lỗi lớn. Chọn thước đo vì thế là một phần của việc xác định loại sai sót bạn muốn hạn chế.

Trong minh họa, dự đoán 24 phút khi thực tế 30 phút có sai số tuyệt đối 6 phút. Đây là phép tính trên dữ liệu giả định, không phải kết quả đo của một mô hình cụ thể. Sau huấn luyện, vẫn phải thử trên chuyến chưa dùng để điều chỉnh.

Mô hình nhận ví dụ đã gán nhãn, tạo dự đoán, đo sai lệch rồi điều chỉnh tham số. Khả năng áp dụng cần được kiểm tra trên dữ liệu chưa dùng để học.

↔ Vuốt ngang để xem toàn bộ sơ đồ.

1. 01 / Ví dụ có nhãn

   Các phản hồi về quán cà phê đi kèm nhãn đúng: đồ uống, phục vụ hoặc không gian.

2. 02 / Tạo dự đoán

   Mô hình dùng tham số hiện tại để dự đoán chủ đề của phản hồi.

3. 03 / Đo sai lệch

   So dự đoán với nhãn đúng. Hàm mất mát biểu diễn mức sai lệch cần giảm.

4. 04 / Điều chỉnh

   Thuật toán cập nhật tham số và lặp lại trên dữ liệu học. Sau đó đánh giá bằng các ví dụ được giữ riêng.

Minh họa giản lược cho học máy có giám sát. Một lần điều chỉnh không bảo đảm dự đoán tiếp theo sẽ đúng.

Một mốc đơn giản giúp nhìn rõ tiến bộ

Trước khi dùng mô hình phức tạp, thử luôn dự đoán thời gian trung vị của các chuyến cũ. Hoặc chia theo khu vực rồi lấy trung vị từng khu vực. Mốc đơn giản cho bạn biết liệu phương án mới có tạo thêm giá trị hay chỉ làm quy trình khó vận hành hơn.

Hãy chấm cả mốc và mô hình trên cùng các chuyến giữ lại. Sau đó xem lỗi theo nhóm: giờ cao điểm, quãng đường xa và khu vực ít dữ liệu. Điểm trung bình tốt có thể che giấu một nhóm liên tục bị dự đoán thiếu thời gian.

Mốc cũng giúp phát hiện lỗi hệ thống. Nếu mô hình rất phức tạp thua cách đoán đơn giản, đừng vội tăng kích thước. Kiểm tra đơn vị phút và giây, cột thiếu, cách chia dữ liệu và việc nhãn có gắn nhầm chuyến không.

Nhãn đúng vẫn chưa đủ

Thời gian giao được đo chính xác nhưng có thể chịu ảnh hưởng của việc nhân viên chờ khách. Nếu đầu vào chỉ có quãng đường, mô hình không thể biết hết nguyên nhân. Phần thông tin chưa quan sát đặt ra giới hạn cho dự đoán.

Một lỗi khác là dùng dữ liệu quá khứ để khẳng định quan hệ nhân quả. Mô hình có thể thấy các chuyến mang ô thường lâu hơn; điều đó không chứng minh chiếc ô làm chậm giao hàng. Ngày mưa có thể liên quan đến cả hai. Dự đoán có ích và giải thích nguyên nhân là hai yêu cầu khác nhau.

Bài tập: đặc tả trước khi huấn luyện

Tạo bảng giả định tám chuyến, có quãng đường, giờ và thời gian thực tế. Viết hai đặc tả: dự đoán số phút; dự đoán trễ so với một mốc hẹn do bạn chọn. Với mỗi đặc tả, nêu đầu ra, nhãn và cách chấm lỗi.

Tự kiểm bằng cách chọn một chuyến và tính tay lỗi của một dự đoán. Kết quả phải có đơn vị rõ, không dùng thông tin xảy ra sau lúc xuất phát, và có một mốc đơn giản để so sánh. Bạn có thể đọc tiếp độ chính xác và sai số trước khi thử bất kỳ thuật toán nào.