一个机器学习在现实工作中应用的小例子：帮用户给物品自动归类

在生活中，我的大部分时间都在考虑 web 性能－在低配手机上达到 60 FPS、 有序加载资源、离线缓存任何能缓存的资源。还有一些其他的优化。

最近，我发现自己对 web 性能的定义可能太狭隘了，从用户的角度上来说，这些只是 web 性能中的一些小插曲。

所以我打开了我经常去的网站，尝试了所有的用户可能的操作，并记录操作所花费的时间。(我们需要一些用户操作时光轴工具)

之后，我发现了一个可行的提升性能的方案。

下面的文章内容聚焦在某个具体网站的具体操作步骤。但是我觉得这个解决方案（嗯，没错！就是机器学习）可以应用到很多其他类型的网站上去。

问题，如何才能节约时间

这个网站，用于卖家出售没用的东西，买家通过购买这些东西来淘一些有价值的东西。

当卖家要在网站上出售东西时候，要先选择分类, 再选择对应的模版，然后填写细节信息，预览，最后发布。

然而第一步  —  选择分类  —  就把我带进了一条弯路

首先，一共有674个类别，用户根本不知道这些破旧的皮划艇属于哪个类别( Steve Krug 说的好，不要让用户去思考)

第二步，即使我知道商品所属的类别  —  子类别  —  子子类别，我也要至少花费12秒的时间。

如果我跟你说，我能把你的页面的加载时间减少12秒，你一定觉得我疯了。那么为什么不在一些别的地方来节约这12秒呢。

正如凯撒大帝所说，时间很宝贵的呢。

我一直认为用户无知是福。我如果把商品的标题、描述、价格放到机器学习的模型里面，系统应该能自动计算出商品所属的分类。

这样子用户选类别的时间就能省下来了。他们就可以开心的把这些时间拿来去 reddit 找 DIY 的双层床了。

机器学习－你不该逃避它，你要去拥抱它

一开始的时候，我对机器学习一点概念都没有。我是在游戏 AI ，以及 Alpha 狗战胜人类顶级围棋棋手之后才有所了解的。

因此我打算开始去了解它，下面的几步一个小时都不需要。

  1. Google 搜索 ‘machine learning’
  2. 查看大量的关于机器学习的文章
  3. 发现了亚马逊发布的机器学习相关的服务
  4. 我开始意识到我不需要知道太多的关于机器学习的东西
  5. 嗯。好开心

（作者注: 因为没有去系统的学习机器学习，所以文章的一些专业术语可能被乱用。。）

一个简单的实现流程

亚马逊发布了他的机器学习文档。如果你不是对这个文档很感兴趣，打算花5个小时去阅读，那么就来看下我写的一些总结吧。

整理如下：

  • 获取一些 CSV 数据文件，每行都是一个商品项(^_^我的皮划艇)，列名是标题、描述、价格、所属分类。
  • 把数据传送到亚马逊的 AWS S3 bucket 里面
  • 用数据去训练机器。这样子，这个小小云机器人就能通过商品的标题，描述和价格去预测他的分类了。
  • 在前端页面上，写一些代码，获取用户输入的 标题／描述／价格，发给这个云机器人，经过计算，就能向预测这个商品所属的分类了。

实战模拟

下面是我写的一个表单，模拟了卖家发布信息的几个关键流程。

下面的结果一定会让你对机器学习保持兴趣。你只要相信我，建议类别是由深度学习模拟预测出来的。

让我们去卖一个冰箱

图0：一个机器学习在现实工作中应用的小例子：帮用户给物品自动归类

再来试一下卖个水族馆：

图1：一个机器学习在现实工作中应用的小例子：帮用户给物品自动归类

这个云机器人居然能识别出水族馆！

当我看到这个结果的时候，手舞足蹈，是不是棒棒哒？

（我偷偷的告诉你我是怎么实现的：React, Redux, JQuery, Mox, RxJs, BlueBird, Bootstrap, Sass, Compass, NodeJs, Express, Loadsh。项目是使用 webpack 打包。最后生成的文件在1M左右）

嗯。不 BB 了。开始讲正经事。

一开始为了拿到机器学习用的数据。我也是想破了头。我大概需要10K条数据。后来是在一个当地的交易网站上面发现有这些数据。看了一下 URL 和 DOM 结构之后，我用 Google Scraper 插件提取了一些数据。导出成 CSV 文件。在这些数据上我大概花费了四个小时。将近整个项目时间的一半了。

数据整理好之后，上传到了 Amazon S3 上，配置了一下机器学习的参数，设置了数据模型。整个学习的 CPU 耗时才3分钟。

界面上还有一个实时预测功能，所以我打算用一些参数测试一下。

图2：一个机器学习在现实工作中应用的小例子：帮用户给物品自动归类

嗯。还挺好用的。

为了不在浏览器里面暴露出我的 Amazon API ，所以我把 API 放到了 Node 服务器上。

后台代码（Node）

使用方式很简单。接口参数为 modelId, 服务器返回一个 prediction ：

const AWS = require('aws-sdk');
const machineLearning = new AWS.MachineLearning();
const params = {
  MLModelId: 'some-model-id',
  PredictEndpoint: 'some-endpoint',
  Record: {},
};

machineLearning.predict(params, (err, prediction) => {  // we have a prediction!});

这里参数用大写字母开头，本来打算改掉的。后来想想还是算了。

Record, 是一个JSON对象。属性值是(title, description, price)

我不想只提供一些代码片段。为了帮助大家更好的理解。我把所有的服务端代码都贴上来了。

server.js:

const express = require('express');
const bodyParser = require('body-parser');
const AWS = require('aws-sdk');
const app = express();
app.use(express.static('public'));
app.use(bodyParser.json());

AWS.config.loadFromPath('./private/aws-credentials.json');
const machineLearning = new AWS.MachineLearning();

app.post('/predict', (req, res) => {  const params = {
    MLModelId: 'my-model-id',
    PredictEndpoint: 'https://realtime.machinelearning.us-east-1.amazonaws.com',
    Record: req.body,
  };

  machineLearning.predict(params, (err, data) => {    if (err) {
      console.log(err);
    } else {
      res.json({ category: data.Prediction.predictedLabel });
    }
  });
});

app.listen(8080);

aws-credentials.json:

{
  "accessKeyId": "my-access-key-id",
  "secretAccessKey": "shhh-secret-squirrel",  "region": "us-east-1"
}

(在.gitignore 中忽略 /private 文件夹)

上面就是所有的后台代码。

前端代码

表单里面的代码功能比较简单。

  • 监听几个输入框的 blur 事件
  • 读取表单里面的字段值
  • POST 给 API 端
  • 把 API 端返回的 prediction 显示在页面上
(function() {
  const titleEl = document.getElementById('title－input');
  const descriptionEl = document.getElementById('desc-input');
  const priceEl = document.getElementById('price-input');
  const catSuggestionsEl = document.getElementById('cat-suggestions');
  const catSuggestionEl = document.getElementById('suggested-category');

  function predictCategory() {    
    const fetchOptions = {
      method: 'POST',
      headers: {        'Content-Type': 'application/json',
      },
      body: JSON.stringify({
        title: titleEl.value,
        description: descriptionEl.value,
        price: priceEl.value,
      })
    };

    fetch('/predict', fetchOptions)
      .then(response => response.json())
      .then(prediction => {
        catSuggestionEl.textContent = prediction.category;
        catSuggestionsEl.style.display = 'block';
      });
  }

  document.querySelectorAll('.user-input').forEach(el => {
    el.addEventListener('blur', predictCategory);
  });
})();

上面就是全部的前端代码了。

啊啊啊……云服务还要收费呢

别忙着收起你的帽子，魔术表演怎么可能是免费呢。

我上面用到的 model 数据（10K行/4列）有6.3MB. 云端在等待接受请求的时候，消耗了6.3MB的内存。这些资源的开销是每小时0.0001刀。或者每年8刀。 我在手套上面花的钱都比它多。

每次进行 prediction 的时候，也要0.0001刀。所有就不要随随便便就调用这个 API 了。

虽然目前不仅仅是 Amazon 提供了这个服务，但是我还是没有找到另外两个大厂家的价目表。

Google 有 TensorFlow, 但是我看了一下入门教程就跑了。

Microsoft 有 Machine Learning offering, 但是IE6还是让我有点耿耿于怀 (可能不久后，Amazon 和 Microsoft 之间会有一场大战吧)。

一些总结

或许只是我感到有些许惊讶（我还记得当我意识到‘news’是‘new’的复数的时候），我认为这些都十分让人惊讶。它允许像你我这样的普通人（对发展影响的程度较小的人）在机器学习中进行挖掘，可能会促成那些用户很大的改进。

下一步在哪？

上面的例子显然是进行过设计的，并且，我承认，我省略了一些话题。

如果我可以的话，我应该列出所有问题，但要是你自己去做你自己发现问题那也是很有趣的。

因此，去做吧，如果你取得了一些成功，我将乐于在评论中看到它们。

本文文字及图片出自 OSchina

余下全文(1/3)
分享这篇文章：
相关文章：
  1. Google 辟谣放弃 TensorFlow，它还活着！
  2. 做了 5 年机器学习研究，我发现了这 7 个真相
  3. 做了 5 年机器学习研究，我发现了这 7 个真相
  4. 亚马逊机器学习服务Amazon SageMaker 又添九项新功能！
  5. 用程序员的独特视角解读《隐秘的角落》
  6. 吴恩达的 CS229，有人把它浓缩成 6 张中文速查表
  7. 闲鱼是如何处理复杂背景内容识别的
  8. 如何判断你的项目是不是真的需要用到 AI？
  9. 谷歌刷新机器学习世界纪录！2 分钟搞定 ImageNet 训练
  10. 机器学习项目失败的9个原因

请关注我们：

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注