這篇博客主要關注的是深度學習領域一個并不非常廣為人知的應用領域：結構化數據。本文作者為舊金山大學（USF）在讀研究生KeremTurgutlu。
使用深度學習方法按照本文所介紹的步驟處理結構化數據有這樣的好處：
快
無需領域知識
表現優良
在機器學習/深度學習或任何類型的預測建模任務中，都是先有數據然后再做算法/方法。這也是某些機器學習方法在解決某些特定任務之前需要做大量特征工程的主要原因，這些特定任務包括圖像分類、NLP和許多其它「非常規的」數據的處理——這些數據不能直接送入logistic回歸模型或隨機森林模型進行處理。相反，深度學習無需任何繁雜和耗時的特征工程也能在這些類型的任務取得良好的表現。大多數時候，這些特征需要領域知識、創造力和大量的試錯。當然，領域專業知識和精巧的特征工程仍然非常有價值，但這篇文章將提及的技術足以讓你在沒有任何領域知識的前提下向Kaggle競賽的前三名看齊，參閱：http://blog.kaggle.com/2016/01/22/rossmann-store-sales-winners-interview-3rd-place-cheng-gui/
圖1：一只萌狗和一只怒貓（我標注的）
由于特征生成（比如CNN的卷積層）的本質和能力很復雜，所以深度學習在各種各樣的圖像、文本和音頻數據問題上得到了廣泛的應用。這些問題無疑對人工智能的發展非常重要，而且這一領域的頂級研究者每年都在分類貓、狗和船等任務上你追我趕，每年的成績也都優于前一年。但在實際行業應用方面我們卻很少看到這種情況。這是為什么呢？公司企業的數據庫涉及到結構化數據，這些才是塑造了我們的日常生活的領域。
首先，讓我們先定義一下結構化數據。在結構化數據中，你可以將行看作是收集到的數據點或觀察，將列看作是表示每個觀察的單個屬性的字段。比如說，來自在線零售商店的數據有表示客戶交易事件的列和包含所買商品、數量、價格、時間戳等信息的列。
下面我們給出了一些賣家數據，行表示每個獨立的銷售事件，列中給出了這些銷售事件的信息。
圖2：結構化數據的pandasdataframe示例
接下來我們談談如何將神經網絡用于結構化數據任務。實際上，在理論層面上，創建帶有任何所需架構的全連接網絡都很簡單，然后使用「列」作為輸入即可。在損失函數經歷過一些點積和反向傳播之后，我們將得到一個訓練好的網絡，然后就可以進行預測了。
盡管看起來非常簡單直接，但在處理結構化數據時，人們往往更偏愛基于樹的方法，而不是神經網絡。原因為何？這可以從算法的角度理解——算法究竟是如何對待和處理我們的數據的。
人們對結構化數據和非結構化數據的處理方式是不同的。非結構化數據雖然是「非常規的」，但我們通常處理的是單位量的單個實體，比如像素、體素、音頻頻率、雷達反向散射、傳感器測量結果等等。而對于結構化數據，我們往往需要處理多種不同的數據類型；這些數據類型分為兩大類：數值數據和類別數據。類別數據需要在訓練之前進行預處理，因為包含神經網絡在內的大多數算法都還不能直接處理它們。
編碼變量有很多可選的方法，比如標簽/數值編碼和one-hot編碼。但在內存方面和類別層次的真實表示方面，這些技術還存在問題。內存方面的問題可能更為顯著，我們通過一個例子來說明一下。
假設我們列中的信息是一個星期中的某一天。如果我們使用one-hot或任意標簽編碼這個變量，那么我們就要假設各個層次之間都分別有相等和任意的距離/差別。
圖3：one-hot編碼和標簽編碼
但這兩種方法都假設每兩天之間的差別是相等的，但我們很明顯知道實際上并不是這樣，我們的算法也應該知道這一點！
「神經網絡的連續性本質限制了它們在類別變量上的應用。因此，用整型數表示類別變量然后就直接應用神經網絡，不能得到好的結果。」[1]
基于樹的算法不需要假設類別變量是連續的，因為它們可以按需要進行分支來找到各個狀態，但神經網絡不是這樣的。實體嵌入（entityembedding）可以幫助解決這個問題。實體嵌入可用于將離散值映射到多維空間中，其中具有相似函數輸出的值彼此靠得更近。比如說，如果你要為一個銷售問題將各個省份嵌入到國家這個空間中，那么相似省份的銷售就會在這個投射的空間相距更近。
因為我們不想在我們的類別變量的層次上做任何假設，所以我們將在歐幾里得空間中學習到每個類別的更好表示。這個表示很簡單，就等于one-hot編碼與可學習的權重的點積。
嵌入在NLP領域有非常廣泛的應用，其中每個詞都可表示為一個向量。Glove和word2vec是其中兩種著名的嵌入方法。我們可以從圖4看到嵌入的強大之處[2]。只要這些向量符合你的目標，你隨時可以下載和使用它們；這實際上是一種表示它們所包含的信息的好方法。
圖4：來自TensorFlow教程的word2vec
盡管嵌入可以在不同的語境中使用（不管是監督式方法還是無監督式方法），但我們的主要目標是了解如何為類別變量執行這種映射。
實體嵌入
盡管人們對「實體嵌入」有不同的說法，但它們與我們在詞嵌入上看到的用例并沒有太大的差異。畢竟，我們只關心我們的分組數據有更高維度的向量表示；這些數據可能是詞、每星期的天數、國家等等。這種從詞嵌入到元數據嵌入（在我們情況中是類別）的轉換使用讓YoshuaBengio等人使用一種簡單的自動方法就贏得了2015年的一場Kaggle競賽——通常這樣做是無法贏得比賽的。參閱：https://www.kaggle.com/c/pkdd-15-predict-taxi-service-trajectory-i
「為了處理由客戶ID、出租車ID、日期和時間信息組成的離散的元數據，我們使用該模型為這些信息中的每種信息聯合學習了嵌入。這種方法的靈感來自于自然語言建模方法[2]，其中每個詞都映射到了一個固定大小的向量空間（這種向量被稱為詞嵌入）。[3]
圖5：使用t-SNE2D投影得到的出租車元數據嵌入可視化
我們將一步步探索如何在神經網絡中學習這些特征。定義一個全連接的神經網絡，然后將數值變量和類別變量分開處理。
對于每個類別變量：
1.初始化一個隨機的嵌入矩陣mxD：
m：類別變量的不同層次（星期一、星期二……）的數量
D：用于表示的所需的維度，這是一個可以取值1到m-1的超參數（取1就是標簽編碼，取m就是one-hot編碼）
圖6：嵌入矩陣
2.然后，對于神經網絡中的每一次前向通過，我們都在該嵌入矩陣中查詢一次給定的標簽（比如為「dow」查詢星期一），這會得到一個1xD的向量。
圖7：查找后的嵌入向量
3.將這個1×D的向量附加到我們的輸入向量（數值向量）上。你可以把這個過程看作是矩陣增強，其中我們為每一個類別都增加一個嵌入向量，這是通過為每一特定行執行查找而得到的。
圖8：添加了嵌入向量后
4.在執行反向傳播的同時，我們也以梯度的方式來更新這些嵌入向量，以最小化我們的損失函數。
輸入一般不會更新，但對嵌入矩陣而言有一種特殊情況，其中我們允許我們的梯度反向流回這些映射的特征，從而優化它們。
我們可以將其看作是一個讓類別嵌入在每次迭代后都能進行更好的表示的過程。
注意：根據經驗，應該保留沒有非常高的基數的類別。因為如果一個變量的某個特定層次占到了90%的觀察，那么它就是一個沒有很好的預測價值的變量，我們可能最好還是避開它。
通過在我們的嵌入向量中執行查找并允許requires_grad=True并且學習它們，我們可以很好地在我們最喜歡的框架（最好是動態框架）中實現上面提到的架構。但Fast.ai已經實現了所有這些步驟并且還做了更多。除了使結構化的深度學習更簡單，這個庫還提供了很多當前最先進的功能，比如差異學習率、SGDR、周期性學習率、學習率查找等等。這些都是我們可以利用的功能。你可以在以下博客進一步了解這些主題：
https://medium.com/@bushaev/improving-the-way-we-work-with-learning-rate-5e99554f163b
https://medium.com/@surmenok/estimating-optimal-learning-rate-for-a-deep-neural-network-ce32f2556ce0
https://medium.com/@markkhoffmann/exploring-stochastic-gradient-descent-with-restarts-sgdr-fa206c38a74e
在這一部分，我們將介紹如何實現上述步驟并構建一個能更有效處理結構化數據的神經網絡。
為此我們要看看一個熱門的Kaggle競賽：https://www.kaggle.com/c/mercari-price-suggestion-challenge/。對于實體嵌入來說，這是一個非常合適的例子，因為其數據基本上都是類別數據，而且有相當高的基數（也不是過高），另外也沒有太多其它東西。
數據：
約140萬行
item_condition_id：商品的情況（基數：5）
category_name：類別名稱（基數：1287）
brand_name：品牌名稱（基數：4809）
shipping：價格中是否包含運費（基數：2）
重要說明：因為我已經找到了最好的模型參數，所以我不會在這個例子包含驗證集，但是你應該使用驗證集來調整超參數。
第1步：
將缺失值作為一個層次加上去，因為缺失本身也是一個重要信息。
train.category_name=train.category_name.fillna('missing').astype('category')
train.brand_name=train.brand_name.fillna('missing').astype('category')
train.item_condition_id=train.item_condition_id.astype('category')
test.category_name=test.category_name.fillna('missing').astype('category')
test.brand_name=test.brand_name.fillna('missing').astype('category')
test.item_condition_id=test.item_condition_id.astype('category')
第2步：
預處理數據，對數值列進行等比例的縮放調整，因為神經網絡喜歡歸一化的數據。如果你不縮放你的數據，網絡就可能格外重點關注一個特征，因為這不過都是點積和梯度。如果我們根據訓練統計對訓練數據和測試數據都進行縮放，效果會更好，但這應該影響不大。這就像是把每個像素的值都除以255，一樣的道理。
因為我們希望相同的層次有相同的編碼，所以我將訓練數據和測試數據結合了起來。
combined_x,combined_y,nas,_=proc_df(combined,'price',do_scale=True)
第3步：
創建模型數據對象。路徑是Fast.ai存儲模型和激活的地方。
path='../data/'
md=ColumnarModelData.from_data_frame(path,test_idx,combined_x,combined_y,cat_flds=cats,bs=128
第4步：
確定D（嵌入的維度），cat_sz是每個類別列的元組(col_name,cardinality+1)的列表。
#WesaidthatD(dimensionofembedding)isanhyperparameter
#ButhereisJeremyHoward'sruleofthumb
emb_szs=[(c,min(50,(c+1)//2))for_,cincat_sz]
#[(6,3),(1312,50),(5291,50),(3,2)]
第5步：
創建一個learner，這是Fast.ai庫的核心對象。
#params:embeddingsizes,numberofnumericalcols,embeddingdropout,output,layersizes,layerdropouts
m=md.get_learner(emb_szs,len(combined_x.columns)-len(cats),
0.04,1,[1000,500],[0.001,0.01],y_range=y_range)
第6步：
這部分在我前面提及的其它文章中有更加詳細的解釋。
要充分利用Fast.ai的優勢。
在損失開始增大之前的某個時候，我們要選擇我們的學習率……
#findbestlr
m.lr_find()
#findbestlr
m.sched.plot()
圖9：學習率與損失圖
擬合
我們可以看到，僅僅過了3epoch，就得到：
wecanseethatwithjust3epochswehave
lr=0.0001
m.fit(lr,3,metrics=[lrmse])
更多擬合
m.fit(lr,3,metrics=[lrmse],cycle_len=1)
還有更多……
m.fit(lr,2,metrics=[lrmse],cycle_len=1)
所以，在短短幾分鐘之內，無需進一步的其它操作，這些簡單卻有效的步驟就能讓你進入大約前10%的位置。如果你真的有更高的目標，我建議你使用item_description列并將其作為多個類別變量使用。然后把工作交給實體嵌入完成，當然不要忘記堆疊和組合。