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

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！
3 a) b0 Q6 D& g. \( q6 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」。

2 T) o6 D8 @1 w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)。

0 }! b1 W8 @( e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)。
" H. t9 D( c" G- r4 `7 A. q% _2 w/ D* J- @
8 S' r8 _& T& X+ L- }; G' C这篇文章会以监督式学习中的分类模型为主。

: |4 t, F$ ^1 r  A" d4 W+ R一、逻辑回归(Logistic Regression)
. u  H: ~; w& o. v2 o8 e# e& Z2 i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%。
/ s& ^, l( G8 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。
% s5 y% i) B8 x7 \5 A* S2 N
1 r' H4 T: ?7 C3 s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。

+ q5 u" y  e8 n% \: z% d4 lOne versus Rest Example (Source from Internet)
% ]4 o  A# k1 O1 K6 Y. r% V
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。

$ o/ a8 L2 i5 ZOne versus One Example (Source from Internet)
& g  @( n0 X, v; e3 V+ d; [
Logistic Regression的优点：
◆ 资料线性可分(包含在高维度空间找到linear plane)
) |. V) }' P4 ^5 j5 f◆ 除了分类，也可以得到A/B两类的机率
7 @+ E4 H! B5 V5 L7 C◆ 执行速度较快
0 ^' r9 s, O  b& q, d+ J
. J3 a4 z# H, l6 P3 i- b" ?$ E+ HLogistic Regression的缺点：
◆ 线性回归线的切法可能不够漂亮
' Y; X! m' N! v# J  q# ?◆ 不能很好地处理大量、多类特征

- C0 U  I% r5 m, m$ O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)。

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。

Support Vector Machine Example (Source from Internet)

SVM的优点：
* n- r' y2 \9 k; g( k% }5 E: s◆ 切出来的线或平面很漂亮，拥有最大边界距离(margin)
2 m& u5 O3 w3 ^- h' D◆ 在高维空间可以使用(即使维度数大于样本数也有效)
, J$ ^: x& C8 [, u0 i& U8 n◆ 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

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
◆ 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

6 r4 x6 W, U" [1 c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。
0 W$ z5 T. x( l
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 }" u$ [" Z* w7 a* T' b; l( o
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。

8 _0 \) f2 |' @& ~  o0 v2. 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。

+ E" J; Y3 u, g( j( KDecision 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
! g: I6 j4 r/ F5 \. g/ J+ {◆ 可以处理连续值和离散值
; n. W: j. t7 q5 u+ d; C◆ 资料准备相对比较容易
! C4 `( |9 Q/ E3 D( e' N- {(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)
4 [7 s: ]3 W+ g$ X, |◆ 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
$ P. p+ F. ]/ m9 w* P) c1 H
Decision Tree的缺点： **
**◆ 容易过度拟合(Over-fitting)
◆ 若类别太多，但资料量太少，效果比较差

1 Q! J! _% c+ f1 I5 f* Q6 w* ~9 w- q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。
+ K/ L7 M6 |0 t. O6 ~
  C  \8 {" N- v) @" y6 l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。

5 m( b# B" O' P% o8 ^- m% J, Q* URandom Forest Example (Source from Internet)
) a3 L, G' m; ], G( \
Random Forest的优点：
◆ 随机森林的决策树够多，分类器就不会过拟合
7 V) y* `9 g& }5 {◆ 每棵树会用到的资料和特征是随机决定的
% f$ G  [) [0 e" A! T◆ 训练或预测时每棵树都能平行化的运行
5 l1 J3 h( T4 Q
0 o4 \# P+ v: P$ |$ V. BRandom 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
( X9 p9 p# q3 }" M
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。

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。
) F. \' ?  O4 M* E
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」。
  Z# h5 m9 ?* r! u/ }3 R
Random Forest 和XGBoost 差异如下图例：
  P! i2 h0 F4 MRandom 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。

Random Forest and XGBoost Difference (Reference: 參考文章3)

5 Y& k0 e" a# x+ D" mXGBoost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

XGBoost的缺点： **
/ T0 K2 ^9 }" T/ N% h8 ]4 O**◆ 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
5 |/ ^+ a; x3 g————————————————
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


; s( n- u' m  Z/ F