Python机器学习-多元分类的5种模型

杨利霞

Python机器学习-多元分类的5种模型

6 C+ f3 R0 [% J; J( O9 M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！

( r2 t# H" h) I" Z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」。
! ^1 D* h, 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)。

& N8 }& e& J2 [1 n+ b! v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)。
6 N) H* e* J8 `& `5 C: {7 m3 l2 r! K
( |8 Z5 h# R: {- Y$ ]这篇文章会以监督式学习中的分类模型为主。
/ F, ^6 z% v, f! w7 J- a  y# K
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%。

( ?. A: I: d( i0 z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。
. S" G! {4 x% i3 d: R
若需处理多元分类问题，有两种方法：
" l% p3 v- I1 ^6 |- v+ L1. 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。

One versus Rest Example (Source from Internet)
* c8 S/ y/ A! b+ u. C
7 e" E0 f! ~6 l1 }5 ]  f2. 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。
8 o/ X1 K+ c7 f  f; q3 c- T
7 L+ u: {. i5 e) v) O; @One versus One Example (Source from Internet)
5 Z( q: {3 M8 Q( `% j& r; J/ ^
) W; ~; J$ @- k0 I* A8 _. |6 v, P1 g) L3 n5 FLogistic Regression的优点：
( H/ M3 j8 R4 p3 ^' P; X◆ 资料线性可分(包含在高维度空间找到linear plane)
: Y" {! b3 f) s) I◆ 除了分类，也可以得到A/B两类的机率
9 b1 b4 ?1 {2 Z◆ 执行速度较快
9 r5 [& W3 V1 B
# b$ u5 _: Y+ n! a- I7 J( {: BLogistic Regression的缺点：
◆ 线性回归线的切法可能不够漂亮
8 a& F$ f* q1 a0 V3 G◆ 不能很好地处理大量、多类特征
' r! H$ c/ P2 v7 b+ S# ?2 W0 r
二、 支持向量机( 支持向量机，SVM）
9 L. K- Q. L5 T3 K3 d0 Y/ M+ G4 l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)。

' d( X# d6 `+ YSVM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。
7 o# p) N6 T" f5 F+ V
1 k$ @2 S! g, SSupport Vector Machine Example (Source from Internet)

SVM的优点：
% H* j/ q9 Y( |( f+ ~3 c+ E◆ 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)
! v% V- m" j3 F- [◆ 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
+ {# {0 Z! M+ }
SVM的缺点：
◆ 当资料太多时，所需的训练时间太长，而使效果不佳
+ e  k+ Z1 B! F8 ?◆ 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
( X4 b3 u1 C7 D- d- s& P# w" ~+ U◆ SVM不会直接提供机率的估计值

6 T& V" P& [4 n6 F5 H" N三、决策树(Decision Tree)
! O5 I/ }0 V' m& O+ J, k7 C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。
! {! R( \& w1 u7 \
, Z. ~  e5 k$ U: t- q( _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。

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。
0 u8 W# ]: C& E  _( u
0 H2 t* s" e  ]! b2. 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。

  `1 x# G% Y& `7 X8 z- p% D8 xDecision 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
+ R7 R" m  N) j4 }+ N& I4 G◆ 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)
! b7 f" t8 f/ @) ~( [4 Z1 |" J◆ 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

Decision Tree的缺点： **
**◆ 容易过度拟合(Over-fitting)
8 ^) F+ u+ ?  O  R$ C& l' P◆ 若类别太多，但资料量太少，效果比较差

四、随机森林(Random Forest)
. M+ }; M3 `7 H; m8 o" F* {( y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。

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。
9 I" t$ g7 Z# a/ ~8 B
Random Forest Example (Source from Internet)

7 `! B! D3 o- p; y' o1 M/ k! tRandom 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
4 ^) ?, u0 z, I0 m( }◆ 训练或预测时每棵树都能平行化的运行
# {3 J: |5 ?0 w) t( B# W% P; M; j" C$ m
Random Forest的缺点： **
1 |* e: N; j; |3 X+ w**◆ 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

: F: s0 ?' M/ l五、极限梯度提升(eXtreme Gradient Boosting, XGBoost)
: b% C2 K/ }2 ?0 K+ R6 J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。

XGBoost的两个主要概念：

' J( W& D; g  O8 O8 e2 z# l1. 回归树(Classification and Regression Tree, CART)
9 c* W, ^+ y3 {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。

  a$ J% Z8 g. g) |# ~2. 梯度提升
2 W5 {& H9 W5 y! Z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」。
. m0 h/ _& h* v1 j, [
Random Forest 和XGBoost 差异如下图例：
4 O3 F0 L: R7 T' |0 v! BRandom 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。
4 a% Q, M" ]7 E7 P- }( b9 d
Random Forest and XGBoost Difference (Reference: 參考文章3)
* [+ f. C# G; G# V8 T/ i: d
XGBoost的优点：
; \1 v$ I" Z$ s! P% t- q# L◆ 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
" j8 O2 P3 G9 a1 G6 z* {& E◆ 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
6 f& b4 n# S- s! Y! {# |$ W" O
XGBoost的缺点： **
" D& v: V) [2 J8 G6 V1 b$ Y**◆ 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
————————————————
  w) c+ Q+ _8 d2 Q8 ?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。
  K5 b! M% y% d8 R6 i0 F% k! J. K原文链接：https://blog.csdn.net/wuxiaopengnihao1/article/details/126686410
' y3 A' b' {# m4 ~% ^