第四章：机器学习基础与良率建模
各位工程师朋友，今天我们来聊聊机器学习在良率建模中的应用。说实话，我刚入行那会儿，良率分析全靠经验和Excel表格，一个参数一个参数地试。现在有了机器学习，效率提升不是一星半点。但前提是——你得把基础打牢。
4.1 监督学习 vs 无监督学习
这两种学习方式的区别，我习惯用一个比喻来解释：
- 监督学习：就像老师带着学生做题。你有标准答案（标签），模型学着从输入（特征）映射到输出。比如，给你一批晶圆的测试参数，告诉你哪些是良品、哪些是次品，让模型学会区分。
- 无监督学习：就像让学生自己分类。没有标准答案，模型自己发现数据中的结构。比如，把一批晶圆的测试数据丢进去，模型自动聚类出几类异常模式。
我在项目中遇到过这样的情况：刚开始做良率预测时，总觉得无监督学习更“高级”，结果发现没有标签数据，模型根本不知道什么是“良”。后来老老实实先做监督学习，把基础打牢了，再用无监督学习做异常检测。
核心区别一句话：有标签用监督，没标签用无监督。别搞反了。
4.2 回归与分类问题
这两个概念，说白了就是输出类型不同。
- 分类问题：输出是离散的类别。比如，判断晶圆是“良品”还是“次品”。这是二分类。如果分多种缺陷类型，就是多分类。
- 回归问题：输出是连续的数值。比如，预测晶圆的最终良率是85.3%还是92.7%。
你想想看，在半导体良率分析中，我们经常两个都用。先用回归预测良率数值，再用分类判断是否达标。我个人习惯是先做回归，看看预测值和实际值的偏差分布，再决定分类阈值。
避坑指南：我曾经犯过一个错误——把回归问题当分类做。当时预测良率，我硬是把连续值离散化成几个区间，结果模型精度下降很多。后来才明白，能回归就别分类，信息损失太大了。
4.3 模型评估指标
模型好不好，不能光靠感觉。得用指标说话。这里我挑几个最常用的讲。
4.3.1 分类指标：准确率、召回率、F1-score
先看一个混淆矩阵，这是所有分类指标的基础。
| 预测为正类 | 预测为负类 | |
|---|---|---|
| 实际为正类 | TP（真正例） | FN（假负例） |
| 实际为负类 | FP（假正例） | TN（真负例） |
- 准确率（Accuracy）：所有预测中，猜对的比例。公式：(TP+TN)/(TP+TN+FP+FN)。但注意，如果良品占99%，你全猜良品也有99%准确率，这没意义。
- 召回率（Recall）：所有真正的良品中，你找出了多少。公式：TP/(TP+FN)。在良率分析中，漏掉一个次品可能造成批量报废，所以召回率很重要。
- 精确率（Precision）：你预测为良品的结果中，有多少是真的良品。公式：TP/(TP+FP)。
- F1-score：精确率和召回率的调和平均。公式：2 * (Precision * Recall) / (Precision + Recall)。当两者都重要时，用这个。
注意：在良率分析中，我建议优先关注召回率。为什么？因为漏掉一个次品，可能意味着整批晶圆都有问题。召回率低，代价太高了。
4.3.2 回归指标：R²
R²，也叫决定系数。它衡量的是模型对数据变异的解释程度。取值范围0到1，越接近1越好。
公式有点复杂，但理解起来不难：R² = 1 - (残差平方和 / 总平方和)。说白了，就是看模型预测的误差，比瞎猜的平均值好多少。
我记得有一次，模型R²做到0.95，我挺高兴。结果一查，发现数据本身就有很强的线性关系。后来换了更复杂的数据，R²掉到0.6，这才开始认真做特征工程。所以，R²高不一定模型好，还得结合业务场景看。
4.4 过拟合与欠拟合
这两个问题，是机器学习里最常见的坑。我踩过不止一次。
- 欠拟合：模型太简单，连训练数据都学不好。表现是训练误差和测试误差都高。比如，用线性模型去拟合非线性数据。
- 过拟合：模型太复杂，把训练数据里的噪声都记住了。表现是训练误差很低，但测试误差很高。比如，用高阶多项式去拟合几个点。
为什么会这样？你想想看，模型就像学生。欠拟合是学生没认真学，考试全挂。过拟合是学生死记硬背，换道题就不会了。
我的经验：在良率建模中，过拟合比欠拟合更危险。因为良率数据往往有噪声，过拟合会把工艺波动当成规律，导致模型在新批次上完全失效。
怎么解决？我常用的方法有：
- 增加数据量：数据多了，模型自然不容易过拟合。
- 正则化：给模型加惩罚项，让它不敢太复杂。
- 交叉验证：把数据分成多份，轮流训练验证，避免模型只记住一份数据。
- 早停：训练过程中，一旦验证误差不再下降，就停止训练。
4.5 知识体系图
下面这张图，把本章的核心逻辑串起来了。你可以看到，从学习方式到问题类型，再到评估指标和常见问题，是一条完整的链路。
个人建议：刚开始做良率建模时，别追求复杂模型。先用线性回归或逻辑回归跑一遍，看看数据的基本规律。如果效果不好，再逐步增加复杂度。这样能避免一开始就掉进过拟合的坑里。
好了，这一章的内容就到这里。机器学习基础是良率分析的敲门砖，把这些概念吃透了，后面做特征工程、模型调优才能得心应手。
公众号:蓝海资料掘金营，微信deep3321