谷歌推出TensorFlow Lattice，让机器学习模型适应总体趋势

林鳞 编译整理 量子位 出品 | 公众号 QbitAI

昨天，谷歌发布了TensorFlow Lattice，想拯救被训练数据中噪音折磨的机器学习模型开发者。

TensorFlow Lattice是一个实现了基于快速评估和可解释模型的库，也称为插值查找表。用户可在将任意近似输入-输出关系的数据从查找表中提取出来，简化定义宏观规则限制模型的过程，使机器学习模型能更好地适应总体趋势。

△ TensorFlow Lattice的官方讲解

将单个输入对应至单个输出很简单，但在更复杂的多维函数中，可以存在多个输入。研究人员利用查找表能满足多个输入、近似灵活关系结构，满足用户想更好泛化指定单调关系的需求。

也就是说，训练查找表值是让训练样例的损失最小化，但此外，查找表中的临近值被限制在输入空间的给定方向上增加，这使这些方向上模型输出增加。

重要的是，由于在查找表之间插入了值，因此lattice模型平滑且预测是有界的。也就是说，TensorFlow团队通过训练数据训练查找表的输出，用约束条件将准确性最大化。

相关资料

谷歌官方研究博客介绍：

https://research.googleblog.com/2017/10/tensorflow-lattice-flexibility.html

相关代码：

https://github.com/tensorflow/lattice

研究论文：

https://arxiv.org/pdf/1709.06680.pdf

安装方法：

https://github.com/tensorflow/lattice/blob/master/INSTALL.md

使用演示：

https://github.com/tensorflow/lattice/blob/master/g3doc/tutorial/index.md