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

( k  ^9 C& ^- T( c3 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！

  E3 e9 |' `9 F0 G$ Y( B: |+ C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」。
5 A/ ]- K: x" 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)。

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)。
! Q3 ?5 w1 f" L2 h" M7 B) y2 I: u* \
这篇文章会以监督式学习中的分类模型为主。
; s' K: n, U2 e: W
5 A" X% ^3 N% o- [* c8 @一、逻辑回归(Logistic Regression)
% P# ]% [2 X. ]* @9 r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%。
, l  i6 L) d6 [8 N. _
7 e% m& ~" |7 P" F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 b; q. R% Q3 E4 B, g' m- E2 g
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。

. K8 j3 }5 [( E3 y- L$ x& z2 xOne versus Rest Example (Source from Internet)

2. 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。

One versus One Example (Source from Internet)
% J: n$ \+ D* b# f
/ |+ S) e  c* q+ C2 n7 Q" O1 ~Logistic Regression的优点：
◆ 资料线性可分(包含在高维度空间找到linear plane)
$ X/ a9 t- ^5 ]0 D◆ 除了分类，也可以得到A/B两类的机率
: Y8 \0 ^( A; m2 W% ?+ a+ y◆ 执行速度较快
$ [1 Y+ Y$ [5 N
/ R+ F' \/ b( k4 NLogistic Regression的缺点：
◆ 线性回归线的切法可能不够漂亮
* p) d- F8 O2 v◆ 不能很好地处理大量、多类特征
9 S, S7 X' N: N
4 Q& v4 ]5 g  n/ ^$ t% L& `" v7 {二、 支持向量机( 支持向量机，SVM）
, i) W; |# B- V9 ^, r2 Q% P( J/ e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)。
' z$ x- U; ]* H" v
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。
" ?& r0 j1 x7 x+ v: B5 @; ?
* j. c9 J0 v  k. O$ F2 RSupport Vector Machine Example (Source from Internet)
3 \' y& S4 Q# s/ y
) J& v  J. e7 W0 d: C+ CSVM的优点：
+ E! K3 U# h3 v2 L/ o* v- x0 O  c◆ 切出来的线或平面很漂亮，拥有最大边界距离(margin)
/ u& v1 p; u3 C5 i- Q◆ 在高维空间可以使用(即使维度数大于样本数也有效)
' S) M) v  D! j* B2 Q. S$ u/ i◆ 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

  f, _1 c5 R7 L) f- }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
8 I6 L+ m2 L; j◆ 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
5 {% }2 A% e* |◆ SVM不会直接提供机率的估计值
( y# h- h- i2 G% Z7 e
  _. v) L! F5 _0 p2 V" ~, S三、决策树(Decision Tree)
+ ^# E- K: y5 P  a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。

5 Y. ]) U" e8 S7 n1. 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。
, @/ f/ r7 e( M. N
+ A  e7 ^' v0 n1 w1 U& \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：
% @5 E' `5 u9 @' k5 P  H◆ 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
+ ~6 T8 p9 h8 @# @+ z0 ?: d(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
' s( A9 L, ?8 w# q( k9 R
" _4 v$ r8 r' w8 |& |8 V9 Z# ^Decision Tree的缺点： **
**◆ 容易过度拟合(Over-fitting)
0 U5 E0 M! V# A9 q7 U: H; R◆ 若类别太多，但资料量太少，效果比较差

; d* H7 ^, k$ _$ s: y四、随机森林(Random Forest)
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。

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
: V! X/ R4 X5 ?+ O! f$ p! T. l, U◆ 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
+ c2 Y" v6 e( R/ i2 h5 H
3 \' H4 z% z6 P) v. j3 |" O$ rRandom 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
1 L! L7 T& z4 c. z. g
& J9 Z5 [5 d, @, V5 S8 q) V: y五、极限梯度提升(eXtreme Gradient Boosting, XGBoost)
( X) ~4 A$ Z2 J3 P; x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 P% n% R( p' l& r- {$ k$ m8 ~, z
XGBoost的两个主要概念：
$ l  h. f! Z: R! Y4 G: G0 @
1. 回归树(Classification and Regression Tree, CART)
! m4 i' k3 f8 s4 O5 A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。
; g+ R: ]- N4 i* k* ]# l
8 k" ^* t! Y# b% j$ e; I7 s2. 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」。
9 }9 k0 b/ E& g0 B
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。
) I5 ~3 d0 ]' @
+ E: M7 u1 X- S3 l% iRandom Forest and XGBoost Difference (Reference: 參考文章3)

' P4 v+ Y4 j1 Y* vXGBoost的优点：
0 \% h7 `  c2 c3 `, B8 P% e◆ 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
) f- e1 R( _' c- H: M# n- s◆ 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

XGBoost的缺点： **
% Z5 ~3 J. M8 h: I1 L, X" C**◆ 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
0 t! A% i- F; `, h& g2 @! R! D. X; x————————————————
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


  C( k  K( l5 w' z9 j/ ~