Python机器学习-多元分类的5种模型

杨利霞

8 w- h! |2 k: u8 x: H0 \" _Python机器学习-多元分类的5种模型
+ G0 e% r7 f& T4 s4 e
# y) u8 J( F# v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！
+ `- }8 S! _- A
& i9 K5 S8 ]+ y6 I" ?6 f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」。

8 W0 P1 e2 a% E' T! z- W8 p- V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)。

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)。

0 @0 z# t4 f8 k0 y" X这篇文章会以监督式学习中的分类模型为主。
, x3 m  Y' C! I' q8 M
一、逻辑回归(Logistic Regression)
7 F: n+ d1 q  v1 o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%。

& Z& b" f5 B4 S5 |  x' J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。

若需处理多元分类问题，有两种方法：
1. 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。
, I1 f1 i2 {7 J( _
$ V! S/ a6 B& m5 ZOne versus Rest Example (Source from Internet)

$ v6 q- Z! k6 _# I3 ^! m2. 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。

; F+ [: m- }& I3 l3 |One versus One Example (Source from Internet)
2 O- K2 A& w! q; w1 y
* J; N) V; X$ P$ ~Logistic Regression的优点：
0 `" t. x5 t5 o" H& X5 E% ]3 F◆ 资料线性可分(包含在高维度空间找到linear plane)
9 ^" K: u7 Q! c: P7 @◆ 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：
7 Y* L" d9 X9 }/ ~: M◆ 线性回归线的切法可能不够漂亮
◆ 不能很好地处理大量、多类特征

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)。
" p. w7 G6 o/ Q8 [
SVM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。
- Y& n! D1 m$ r6 e9 n9 s
) N6 y& I' L( i( c4 cSupport Vector Machine Example (Source from Internet)
# l! F0 A! l- }6 m
9 k/ X$ Q3 l1 S. r8 p, I0 K5 }SVM的优点：
◆ 切出来的线或平面很漂亮，拥有最大边界距离(margin)
◆ 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
8 B) d0 ?: j2 Y' W% S% o* [
0 @' \" a% g2 Q# O: j' h8 ?  y% A' kSVM的缺点：
◆ 当资料太多时，所需的训练时间太长，而使效果不佳
9 I5 L) o6 V: N( D' L1 g# ^◆ 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

3 u2 p, I5 i& w" Y: @4 A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。
2 O% `1 y+ w, A; i" V
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。
! X0 I" f$ \& [+ A) J1 f
1. 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。

Decision Tree的优点：
◆ 决策树容易理解和解释
+ V& _) l7 O9 k- i3 z◆ 资料分类不需要太多的计算
4 n7 N; M) c3 x9 W/ w1 P3 X◆ 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)
◆ 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
* Y# r8 x# I$ B2 B1 @7 h8 F/ C5 J
0 c" v: y  n- o8 Z! _Decision Tree的缺点： **
$ z% `1 j0 `5 C4 s' b9 f7 }**◆ 容易过度拟合(Over-fitting)
+ ?! B' B) J$ g6 F3 [6 A% _◆ 若类别太多，但资料量太少，效果比较差

四、随机森林(Random Forest)
- ^0 S. l. B. a) c* u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。
' c' Z2 I$ u! z
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。
( Q# |( L8 ?* }% V9 s
1 j4 H. o9 v' ~Random Forest Example (Source from Internet)

Random Forest的优点：
◆ 随机森林的决策树够多，分类器就不会过拟合
6 ^; d; t: ?: Z0 P# |* ?◆ 每棵树会用到的资料和特征是随机决定的
; g1 L* r) D9 O' K5 k! ~/ t, O◆ 训练或预测时每棵树都能平行化的运行

8 `* Y& D8 F: U1 Z1 L8 |5 O2 KRandom 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

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。
2 b* A7 p7 W8 O
XGBoost的两个主要概念：
0 n' W3 Q& J# ]
  R. E, C* ?0 |1 W" e" D  Q1. 回归树(Classification and Regression Tree, CART)
/ e! D! X$ a& W, n/ F* R: h% y5 O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。
; `" @0 j0 Z5 y1 V
; F2 L1 m, H/ j/ ^. C2. 梯度提升
, o) y" w  O3 l0 l2 s! [/ V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：
9 f8 h; ~) m/ P! e1 w' C' m8 ?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。

+ o  g& C5 q2 oRandom Forest and XGBoost Difference (Reference: 參考文章3)
. |7 c  N$ ^; f3 Y
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
: `1 }4 W) ?9 `. I7 a4 G, n
XGBoost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
————————————————
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。
原文链接：https://blog.csdn.net/wuxiaopengnihao1/article/details/126686410
. E1 M+ ^+ }9 b# |. N

0 x  U+ ]& M0 o2 a' ^3 h5 q2 f/ I1 o