文/IT可達鴨
圖/IT可達鴨、網絡
著名的物理學家霍金曾經說過：「每增加一個數學公式，讀者就會減少一半。」
前言
寫了近兩個月科技類的文章，我發現一個問題，就是公式越多，讀者越少，描述越通俗易懂、配圖越精緻，點讚率越高。好多明白而且會運用的技術點，到了寫文章的時候，明明很簡單的一個東西，我卻不知該如何表達出來。
就像，如何去表達和理解一個公式呢？為何同樣一個公式，不同的人理解起來卻不一樣？
如何看待公式
為了更好地說明這個問題，我們可以試試逆向思維。公式是怎麼來的？生活中的哪些淺而易見，可以抽象成為數學公式？
一個特殊的案例：通過姓名，去猜測一個人的性別。（這是一個機器學習算法入門必學的一個算法。）
小明，一看這個名字很容易就猜到他是男的。
小紅，很明顯的標誌，就是女的。
還有，～傑、～勇、～強，這些名字都是男的
還有，～瑩、～姍、～妮，這些名字都是女的
為何，大家一眼就能看出來這個名字是男生還是女生呢？很多會說：「這很簡單呀，我一眼就看出來了，沒有什麼難度。」
但是，如果讓你去教一個剛學會中文的外國人，讓他來識別這些名字的性別，你該怎麼做？你如何把你的經驗傳授給他？
總結規則
答案是總結規則，把規則告訴他。
名字裡，偏旁是女字旁的，大概率是女生。
名字裡，含有：偉、傑、勇、國…這樣的，大概率是男生。
這就是對單字進行分析，總結規則。
那為何我們沒有去總結，也能做到瞬間通過名字識別性別？答案就是，日常生活的經驗。
從幼兒園、小學、初中、高中，你一定有很多同學吧。在你的記憶中有幾百號人名字以及對應的性別，大腦會不自覺地總結出經驗。
而這些經驗，就構成了我們學習到的知識。但是，"知識"和"經驗"是非常具象化的東西。必須通過某種媒介，才能在人與人之間傳遞。像文字、圖片、音頻、視頻，當然，還有公式這些媒介。
抽象成公式
另一個可以更好理解公式的維度，就是舉一個例子。
舉個例子
樸素貝葉斯公式
訓練集，也就是日常中常見的人名以及對應性別
現在有個名字： 「小玲」，請問Ta是女的概率有多大？根據貝葉斯公式可得：
假定「小」，「玲」，這兩個特徵是獨立的，因此，上面的等式就變成：
由訓練集可得：
代入公式可得：
因此，這個叫「小玲」的人，在這個訓練集中，有100% 的概率是女的。同理，大家可以試著求下面式子的概率，它一定是0。
有了公式之後，代碼的實現就簡單很多了，下面是程序運行的結果：
知識的遷移
抽象成公式後，就可以對知識進行遷移，也就是舉一反三。
上面通過名字進行性別分類，抽象出貝葉斯分類器，也可以將其應用在其他分類任務上。
比如：垃圾郵件分類；電商產品評論的情感分類等等。
樸素貝葉斯公式想必很多做機器學習算法的人都應該很熟悉，但是，對於第一次看到這個公式的人來說，它僅僅是一個公式。
所以，公式正確的打開方式是： 場景 --> 背後的故事（畫面） --> 公式的物理意義 --> 抽象的公式 --> 知識的遷移（公式的靈活運用）
結語
文章的表達，需要通俗易懂且輔以精美配圖，技術的表達，需要嚴謹且輔以精簡公式。
反過來，公式的理解，就得從最通俗易懂的例子開始，到場景畫面，再到公式的物理意義。
如果你對新學的公式不太理解，那就去尋找它的物理意義。
由於小編知識有限，文中難免有錯誤的地方，歡迎大家指出。如果你有更好的想法，歡迎在下方評論。
如果有疑問想獲取源碼，可以關注後，在後臺私信我，回覆：python性別預測。 我把源碼發你。持續關注"IT可達鴨"，每天除了分享有趣Python源碼，還會介紹NLP算法。最後，感謝大家的閱讀，祝大家工作生活愉快！