Python机器学习-多元分类的5种模型

杨利霞

  {( I8 ~! ]# e6 K3 @Python机器学习-多元分类的5种模型
; l/ Q) o4 k& r* Q
9 H( Y, t4 y" _. Z2 N最近上了些机器学习的课程，于是想透过Kaggle资料集来练习整个资料科学专案的流程，在模型训练阶段，虽然听过许多分类模型，但不是很了解其各别的优缺点与适合的使用时机，所以想来整理一篇文章，统整上课学习与网路资料，作为后续专案的优化方向！
. j( }. `$ W3 G  C  d, S( K/ W
首先，机器学习主要分为「监督式学习」与「非监督式学习」，两者的差异在于资料是否有「标签」。

( v( b9 Y7 G) `& @1 A, u监督式学习(Supervised Learning)：给予「有标签」的资料，举例来说：给机器一堆苹果和橘子的照片，并说明哪些是苹果、哪些是橘子，再拿一张新的照片询问机器这是苹果还是橘子，而监督式学习又可分为回归(Regression)和分类(Classification)。
  ]$ Z; _) ^8 R( H; y/ S
! ]* L4 O: n! @+ B1 E# B非监督式学习(Unsupervised Learning)：给予「无标签」的资料，让机器找出潜在的规则，举例来说：给予机器一堆苹果和橘子的照片，但没有告诉机器这些照片各别是哪种水果，让机器自行找到资料间的相似性，而非监督式学习又可分为分群(Clustering)和降维(Dimension Reduction)。
$ B6 z" c$ R( x& x* K- N
这篇文章会以监督式学习中的分类模型为主。
1 V$ {8 Y/ O5 |! \: t8 P
/ Q: C( V; J7 U  g0 W  t" t* _9 }+ {一、逻辑回归(Logistic Regression)
逻辑回归是个二元分类(Binary Classification)的模型，并有其对应的机率值，举例：明天会下雨的机率有90%。

7 f: d  r  k3 Y: p1 y  A+ ]6 R% u基本概念是利用线性回归线(Linear Regression Line)，将资料分为A/B两类，再透过Sigmoid Function (or Logistic Function) 输出A类别的机率值(0~1)，若机率>0.5则判断为A类别，因为是二元分类，所以当机率<0.5则被归类为B类别。
7 \* h5 J( J  Z  R( ?+ r9 W
6 |4 x# H3 E% v% i$ ^: k$ q若需处理多元分类问题，有两种方法：
0 \( L/ R# k9 J( ^( k1. One versus Rest (or One versus All)：将每个分类与其他剩余的资料做比较，若有N个类别，就需要N个二元分类器。以下方图例来说明，若有类别1~3，每次各使用一个类别与剩余的两个类别作二元分类后，会得到三个分类器，预测时把资料放到三个分类器中，看哪个分类器的分数较高，就判断为该类别。
0 E( P6 k8 f7 |. ~  {
One versus Rest Example (Source from Internet)

, n& _5 H% L2 A7 }$ J0 S+ F: w2. One versus One：每次选择两个类别做分类，若有N个类别，就会有N*(N-1)/2个分类器，将每次分类的结果做投票，最后判断为票数最高的那个类别。举下方图例来说，有三个类别，会有三组分类器，最后新资料会判断为票数较高的类别1。
* c/ m2 O  q8 j0 G
4 e: `$ G+ {, a# t* e" u" n2 rOne versus One Example (Source from Internet)
0 g3 {# x0 y0 w: a
Logistic Regression的优点：
◆ 资料线性可分(包含在高维度空间找到linear plane)
◆ 除了分类，也可以得到A/B两类的机率
◆ 执行速度较快

Logistic Regression的缺点：
/ I9 N3 X5 Z6 `! `3 C◆ 线性回归线的切法可能不够漂亮
) e4 a) o+ j5 M! e◆ 不能很好地处理大量、多类特征
% x" t5 }* H  K8 u# @
二、 支持向量机( 支持向量机，SVM）
支持向量机(Support Vector Machine)是在寻找一个超平面(Hyper-plane)来做分类，并使两个类别之间的边界距离最大化(会忽略异常点Outlier)。
% _2 {9 Z$ g6 O6 h# P8 }
  x1 f" m' \8 g2 ]. e6 N! K: USVM也可使用于非线性分类(如下图B)，透过Kernels functions将低维空间转换为高维空间，让资料可以在高维空间被线性分类。想像红色球的重量比蓝色球还重，在平面上一拍，让球往上弹，重量重的红色球会较快落下，在立体空间就可以找出个平面来切分红色和蓝色球。

9 I4 |5 \1 o( s! G7 V) dSupport Vector Machine Example (Source from Internet)
% P; V' J  y: y- m' V+ [  A
9 x- F: q3 L( n' c8 o; D1 N# XSVM的优点：
8 X) M: \( P6 \2 H7 J" D! h◆ 切出来的线或平面很漂亮，拥有最大边界距离(margin)
  _. n; t& R& l- s( H# [◆ 在高维空间可以使用(即使维度数大于样本数也有效)
◆ 在资料量较小、非线性、高维度与局部最小点等情况下有相对的优势

  k" v! g$ G# b1 ?SVM的缺点：
) r: e) J7 d4 F◆ 当资料太多时，所需的训练时间太长，而使效果不佳
◆ 当资料集有太多noise时(如目标类别有重叠)，预测的效果也会不好
◆ SVM不会直接提供机率的估计值

三、决策树(Decision Tree)
透过模型预测可以得知某个方程式来做分类，但方程式可能很难懂或很难解释，这时需要决策树(Decision Tree)，它的准确性可能没有很精准，但「解释性」高，所以决策树是一种条件式的分类器，以树状结构来处理分类问题。

建构决策树的方式，是将整个资料集依据某个特征分为数个子资料集，再从子资料集依据某个特征，分为更小的资料集，直到子资料集都是同一个类别的资料，而该如何分类则是透过资讯熵(Entropy)和资讯增益(Information Gain)来决定。
0 f8 g& i6 q+ L/ Y* z; j0 W
0 s8 j! \. e) A% [' O1. 资讯熵(Entropy)：用来衡量资料的不纯度，若资料为同一类Entropy=0，若资料「等分」成不同类别Entropy=1。

2. 资讯增益(Information Gain)：用来衡量某个特征对于资料分类的能力，而建构决策树就是要找到具有最高资讯增益的分类法(得到纯度最高的分支)。简单来说，原本的资料集(High Entropy=E1)，经过分类，得到多个资料集(Low Entropy=E2)，其中的E1-E2=Information Gain。

- c1 ?+ h% C( }Decision Tree的优点：
◆ 决策树容易理解和解释
◆ 资料分类不需要太多的计算
◆ 可以处理连续值和离散值
◆ 资料准备相对比较容易
(不需要做特征标准化、可以处理合理的缺失值、不受异常值的影响)
' i/ ]2 F& b  `" O1 s2 d# ]◆ 因为解释性高，能用在决策分析中，找到一个最可能达到目标的策略
7 a. O0 G1 J# @* e# E4 \+ \  E2 V
Decision Tree的缺点： **
9 X) ]6 z7 L5 \+ p$ S+ K  I**◆ 容易过度拟合(Over-fitting)
3 ]) ?+ _; D9 e5 z( M% Y◆ 若类别太多，但资料量太少，效果比较差

+ x, W+ G, P+ h四、随机森林(Random Forest)
4 B$ R/ `& H2 n3 h随机森林，是取部分特征与部分资料产生决策树，每重复此步骤，会再产生一颗决策树，最后再进行多数决投票产生最终结果。
& g: i  N  M2 t# }, O1 A( t
随机森林可以降低决策树有过拟合的问题，因为最终结果是对所有的决策树结果进行投票，进而消除了单棵决策树的偏差。

2 a) i6 O3 j* [6 WRandom Forest Example (Source from Internet)

0 ~& P9 A& z5 d( {" T) KRandom Forest的优点：
◆ 随机森林的决策树够多，分类器就不会过拟合
◆ 每棵树会用到的资料和特征是随机决定的
◆ 训练或预测时每棵树都能平行化的运行
8 A; q" x5 V" G2 Y3 w
Random Forest的缺点： **
**◆ 当随机森林中的决策树个数很多时，训练时需要的空间和时间会比较大
9 j# @3 i! `  |: Z% F
- s, d- }& f' c9 ?) V五、极限梯度提升(eXtreme Gradient Boosting, XGBoost)
其实会想写这篇文章，是因为在使用Kaggle资料做练习时，发现网站上有需多人使用XGBClassifier做分类预测，因此想进一步了解这个模型。
: V6 a) N4 q( l8 M8 G' D
XGBoost的两个主要概念：

1. 回归树(Classification and Regression Tree, CART)
回归树拥有和决策树一样的分支方式，并在各个叶端(Leaf)有一个预测分数(Prediction Score)，且回归树是可以做集成的，也就是把资料丢到所有树中，把得到的预测分数加总。

2. 梯度提升
先以常数作为预测，在之后每次预测时新加入一个学习参数，要找出最佳参数，是在每次迭代中，使用贪婪演算法计算Gain，并找出最佳分支做新增，并对负Gain的分支做删减(详细请参考文章1说明)。换句话说，就是「希望后面生成的树，能够修正前面一棵树犯错的地方」。

Random Forest 和XGBoost 差异如下图例：
Random Forest是由多个决策树所组成，但最终分类结果并未经过加权平均；而XGBoost是由连续的决策树所建构，从错误的分类中学习，并在后续的决策树中增加更高的权重。

8 @. ~/ M# r2 b5 z0 eRandom Forest and XGBoost Difference (Reference: 參考文章3)
( u+ e3 r9 E" n* j- ?
3 ]/ P/ a* T/ o7 f7 [XGBoost的优点：
◆ 在损失函数中加入正则项，控制模型的复杂度，防止过拟合现象
◆ 在每次迭代后，会将叶子节点的权重乘上该系数，来削弱每棵树的影响

( \. a( r+ m* E8 E. AXGBoost的缺点： **
**◆ 空间复杂度过高，需要储存特征值和特征对应样本的梯度统计值
  h8 V/ T! J. R4 O————————————————
版权声明：本文为CSDN博主「wuxiaopengnihao1」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
7 R9 F7 v/ n" n$ x6 h2 L+ D, V2 Y% u) u原文链接：https://blog.csdn.net/wuxiaopengnihao1/article/details/126686410

0 T: @0 w+ Z) c. c