10行代码搞定支付宝年度账单，竟然连我都看懂了
文 | 清风徐来
海豚原创 第095篇
先说几句：
第一，此文有利于你在朋友圈装逼，建议坚持读完。
第二，不要看到“代码”俩字就觉得烧脑想绕道。了解风哥的老铁们都知道，风哥最擅长的就是深入浅出、通俗易懂地把事情讲清楚。机会难得。
第三，读完此文的收获：人工智能so easy，简直就是玩儿美图秀秀的节奏。
好，进入正题。
01
先回顾下支付宝今年的年度账单要做的事情，就是：根据用户在支付宝的消费和资金往来记录，预测每个用户的风格。
用人工智能的话来说，就是给每个用户打一个“标签”。
比如，风哥的标签就是“值得”。
大家都知道，马爸爸掌握着剁手党们的海量数据，通过这些数据来猜测用户的风格，并不是什么难事。
比如说，矮大紧同学经常在淘宝的花费是“火车票/机票”，那么就可以给他贴一个“远方”的标签；
吴晓波老师经常在淘宝的花费是“书籍类/艺术类”，那么就可以给他贴一个“才华”的标签。
这都好理解。就好比马爸爸知道女人们买的内衣尺寸，就能推测她们每个人胸的大小，基本八九不离十。
但有个问题是，“风格”这种事情，太模糊，有讲不清楚的地方。比如说，
到底剁手多少“火车票/机票”才算“远方”？
到底剁手多少“书籍类/艺术类”才算“才华”？
即使马爸爸拍脑袋定义好规则，很快就会发现还有巨量的剁手党既不买“火车票/机票”，也不买“书籍类/艺术类”，怎么办？
于是，马爸爸就继续拍脑袋定义了“颜值正义”、“潮”、“旺”……等等一系列标签。
但标签再多，总还有大量剁手党会不符合这些规则，无法被贴上标签。要知道，剁手党是数以亿计的差异个体，每个人的姿势千差万别，这样定义下去，无法穷尽。
况且，随着定义的标签越来越多，会出现新的问题：很多剁手党可能会同时符合多个标准，那到底该给他归在哪个风格类别呢？
可见，面对上亿的人，
要定义一系列的标签规则，既要对所有人一个都不能少地归类，还要让每个人不重复地归到唯一的类别中去，几乎是不可能完成的任务……
（逻辑上讲，这叫符合MECE原则。）
这事情，不像女人的内衣，就是A~F（还是H？）这么几个尺码，胸大胸小的标签规则，是很容易定义清楚的。
所以，先定义规则，再给每个用户打标签的方法，在支付宝这个case上是走不通的。
02
那么，问题来了。支付宝是怎么做到的？
这就要说到人工智能，以及人工智能里一个高逼格的技术：机器学习。
机器学习里面有一种无监督学习的算法——聚类算法，就能完美地解决这个问题。
讲“聚类算法”前，要先跟零基础的老铁们科普下3个新词汇：
“机器学习”、“有监督学习”和“无监督学习”
机器学习，通俗地讲，就是在不需要人类教授它规则的情况下，机器自己就能找到规则，把事情帮你给办了的智能技术。
在这个支付宝case里，就是，你不需要告诉机器如何给剁手党分类的规则（如前所述，你自己都已经讲不清楚了……），它就能帮你把类给分好了。
厉不厉害，聪不聪明，机不机智？
所以，“机器学习”这种技术，能让机器学到人类都不见得知道的东西，这正是人工智能最让人可怕的地方。这个话题，我们留着以后可以好好单讲。
回过来讲机器学习里面的两个重要概念，“有监督学习”和“无监督学习”。它们的区别在于：给到机器的数据本身，是否已经带有类别标记。
什么意思呢？
比如说，我给到机器一堆这样的数据：
（注意，给到机器的不是分类的规则，而是数据，原始数据！）
A君有100万身家，算富人，
B君有1万身家，算穷人，
C君有2000万身家，算富人
……
让机器去学习，然后问这个机器，说有个叫马爸爸的，他身家227亿美元，他应该归在“富人类”还是“穷人类”。
机器经过吭哧吭哧的计算，把答案告诉你了，这个过程，就叫“有监督学习”。
也就是说，我给你的原始数据——在这里是每一个人的信息里，已经包含了他属于那个类别的信息，然后，让机器去学习（发现并总结）归类的规则，然后去对一个新给到的信息（这里的马爸爸）做归类。
那么，什么是“无监督学习”呢？
比如说，这一次，我们给到机器的原始数据是这样的：
A君有100万身家，
B君有1万身家，
C君有2000万身家
……
也就是说，只有每个人的名字和身家信息，没有属于哪一类的信息。
我们把这么一堆数据扔给机器，然后说，你帮我把里面的人分成两类，然后告诉我，现在有个叫马爸爸的人，身家227亿美元，他该属于哪一类。
机器帮你解这道题的过程，就是“无监督学习”。
好了，说到这里，脑子快的老铁应该已经想到了，支付宝的这个case，马爸爸的数据库里只有用户的消费信息，并没有每个用户属于那种风格的类别信息。如果要让机器来归类的话，那么就是属于“无监督学习”。
那么，机器具体是如何通过“无监督学习”来对用户归类的呢？
这就要讲另外一个概念：无监督学习的聚类问题。
03
我们现在面临的情形是酱紫的：
我把一堆剁手党的支付宝消费数据扔给机器，然后，也说不清楚该怎么给他们分类，然后两手一摊说，听说你会，你来帮我分类好了，把所有的剁手党都能归入到一个不会重复的唯一类别里面去就好了。
这事情，放在公司里，员工会以为老板是在给小鞋穿呢。好在，AI不懂这些。
关键是，它还真能搞定。
我们来看看这是个怎样的一个过程。
先来看丢过来的数据：
表格里的每一行，对应一个剁手党的信息，用人工智能的专业术语来讲，叫做一个“样本”（sample）；每一列对应一个种类的消费，用人工智能的专业术语来讲，叫做一个“特征”（feature）。
当然，马爸爸的真实数据表格会有更多的sample和feature，这里在不影响讨论的前提下，简化了一下。
那么，我们怎么让机器来完成这个人类无法完成的任务呢？
前方会出现程序代码，老铁请勿惊慌。代码只是一种语言，有我这个翻译官帮你稍微这么解释一下下，你就都会明白。
（有编程基础的老铁，可直接看代码，跳过我的灰字解释部分。）
通过代码，我们就能和机器对话，这个过程，是这样的：
▎第一步，先导入强悍的AI第三方包：
【解释】
从（from）sklearn.cluster这个机器学习包中，导入（import）numpy这个数据处理包。
这个数据包，就相当于是一个智能小机器人，由于我后面还会请它出来做事，为了方便，我给他取了一个简短的昵称，叫np。
然后，也调用（import）np机器人里面的“聚类”算法功能（MeanShift），一会儿都会用到。
这里面，sklearn是一个机器学习的程序包，你就当是在手机里下载安装了一个美图秀秀的App。
numpy是做数据处理的程序包，MeanShift是这个包里面可以处理“聚类问题”的一个功能模块。
你就当在美图秀秀这个App里加入了“一键美颜”的功能模块。
你看，你也能读懂机器的语言了呢。一个赛艇！
▎第二步，把上述表格读入X：
【解释】
这里略微加快进度，不再做逐句翻译。解释下就是：
把一张叫X的数据表格输入给np这个智能机器人，告诉它，接下来就是要对X这个数据表格做“聚类”处理。
这个过程，就相当于你把某一张照片输入到了美图秀秀App中，告诉它我想要美化的，就是X这张照片。
▎第三步，训练一下这个机器人：
【解释】
这几句什么意思呢？
请智能机器人np，用它的“聚类”功能模块（MeanShift），帮我把那上亿个剁手党数据（X）做聚类处理。
这里面，有个参数0.8，需要人为设定，简单说来，就是在“一键美颜”之前，你可以去调整的一个参数。
这个参数越小，出来的相片越精致（分类越细致）；参数越大，出来的相片越朦胧（分类越笼统）。
这个，由支付宝产品经理说了算。
▎第四步，取得每个样本的分类结果：
【解释】
这就是一键生成，输出结果的意思。
智能机器人np会按照它自己琢磨出来的归类规则，输出每一个剁手党的归类结果。
输出的结果，大致是这个样子：
所以，这个过程，总结一下就是：
安装美图秀秀App→导入“一键美化”功能包→输入要美化的照片→一键生成美化后的结果。
哦不，应该是：
安装机器学习包→导入“一键聚类”功能包→输入要聚类的数据表→一键生成聚类后的结果。
这个配方是不是很熟悉？easy不easy？方便不方便？
04
其实，就这么10行代码，给上亿人归类的事情，就这么愉快地搞定了！
当然，到这里，机器只是帮你对所有剁手党“不重复地”做了归类，每一类的标签还只是，类别1、类别2、类别3……
也就是说，剧本里的人物还只叫路人甲、路人乙、路人丙……
这显然还不够带劲。
接下来，全宇宙无敌的支付宝产品经理，就启动了他强大的右脑，去分析每一类别人群的典型特征，然后，给他们的类别起一个名字。
这里面的关键是：既文艺又讨喜。
比如，发现某类别剁手党的共同特征是消费了很多“火车票/机票”，那就给他们起个名字，叫“远方”；
发现某类别剁手党的共同特征是消费了很多“书籍类/艺术类”商品，就给他们起个名字，叫“才华”；
如果同时在“服装”、“电子产品”、“数码”都消费很多，标签的名字就叫“潮”吧。
……
这些个名字，就是最后大家看到的全部标签：
所以说，网上盛传的这个段子，其实是有道理的……
05
到这里，跟大家解释了，用机器学习给支付宝用户归类和贴标签的原理和步骤。
有心的老铁可能会问，
用“聚类”这个方法解决模糊归类的问题，我理解了。但这里面的核心就是：那个被你叫做np的智能机器人，它里面直接就有“聚类”这个数据处理功能啊，本质上是它在做这个复杂的数据处理工作。
没错。现在人工智能的应用软件，就已经发展到那么方便的程度。只是你还不知道。
就好比，以前要修个图，你得会用Photoshop啊，得把里面的每个细节功能都掌握啊。现在有美图秀秀了，功能打包，一键完成。直接傻瓜式，任何人都能上手！
所以说，支付宝晒账单的这个事情，看似牛逼看似复杂，其实，用10行代码就能搞定。
所谓的人工智能，就那么简单，连你都看明白了，不是吗？
（不管你到底有没有看明白，要记得转发朋友圈，逼格时刻不容错过～）
猜你喜欢：你的害怕，其实源自于你的无知
赞赏
长按识别以下二维码赞赏
- End -
作者清风徐来，清华学霸，原中大MBA教授，投资达人，学数学的文艺狗，成功的连续创业者。
现为「海豚学研社」社长。
>>> 更多福利 <<<
马上关注「海豚学研社」
回复“50”即可获得
社长送你的《创富思维50则》
回复“报名”即可获取
《比特币课》免费听课资格
MORE | 更多精彩文章
