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
' ~9 e; B1 n; {5 j8 R9 X- Y5 i' C
8 V# V; D' @; L& H2 S/ U0 t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！
/ C% `4 I; G. u0 ^
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」。
0 O. {) a/ A  \: Z- t
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)。

  C8 U: x* S( \: A( d. J- D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 B, n! {+ I$ m1 u
) t. m2 l4 H1 t. h2 \这篇文章会以监督式学习中的分类模型为主。

一、逻辑回归(Logistic Regression)
5 A0 y# }+ S; x# |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%。

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。
9 N7 [: n) e5 j( U; F3 L/ y7 f$ R
5 |+ E* R4 h% O5 q. o$ P- @2 g若需处理多元分类问题，有两种方法：
8 g: q9 P" d" u, [: s/ ~7 s. ^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。

9 }! ^' a9 a% N, N6 L; L8 L. iOne versus Rest Example (Source from Internet)
1 ~6 U2 `3 z$ r6 R* D# [+ \3 C1 h. q& w
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。
3 V/ |. S1 Q, M2 J, @+ U! J
" z- t8 X+ m: s  K6 s1 _One versus One Example (Source from Internet)

. v2 {/ f# e6 r" f/ uLogistic Regression的优点：
◆ 资料线性可分(包含在高维度空间找到linear plane)
$ M! p9 s! v5 I' e" F◆ 除了分类，也可以得到A/B两类的机率
. K5 b( o! g- ?% N6 x◆ 执行速度较快
2 D7 C) j& t" j
Logistic Regression的缺点：
2 n, }3 d( b6 ]' S6 E( }9 I◆ 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

) A$ i0 z+ h( t6 q5 b$ L1 }4 N! 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)。
! _2 U; u. T2 t. M( o3 h
) r; |9 p3 J: PSVM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。
3 t# D5 ]' W) E
9 D; [% |6 o0 ~, q: \4 [Support Vector Machine Example (Source from Internet)
" w& }" b6 S( y/ \, r
& ^6 \. ?7 j, N) sSVM的优点：
  x6 L+ T1 P0 t( ?( h; y◆ 切出来的线或平面很漂亮，拥有最大边界距离(margin)
  d2 w" {: P7 T! t2 {◆ 在高维空间可以使用(即使维度数大于样本数也有效)
9 B1 P; |: U6 j5 U8 I. L◆ 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
# d4 h, q9 S5 C. u. m6 g. l◆ 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
; V9 @4 u4 {, K$ M9 R
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。
* G  h2 c+ V# f
% C0 Z! z! ?8 E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。

  g0 L! a' s& p5 o2 U1. 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。
# a$ n" ^8 q( \0 a2 c' k
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。

# f( ~5 l1 [7 W4 }) V' _0 f; ?* wDecision Tree的优点：
◆ 决策树容易理解和解释
! F8 N& _7 h9 l" y  q4 N◆ 资料分类不需要太多的计算
# m' |. f* C# y" n& J◆ 可以处理连续值和离散值
  |5 ~( H2 f8 d5 G  ]  X+ S◆ 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
3 X. r; T" \# t+ e1 A. ?9 V
Decision Tree的缺点： **
**◆ 容易过度拟合(Over-fitting)
7 t* @) [) y8 _5 M/ _/ e' Q& |◆ 若类别太多，但资料量太少，效果比较差
3 ~# F# H1 m8 f" Z- y( x. ]
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。

. n! }: c; z3 `0 `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：
- M+ M6 K4 r$ O( M0 H. b$ g◆ 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

6 J' u- T/ }$ n5 s+ `2 w9 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

6 A4 D. \% s; r( X: j5 _1 _. q五、极限梯度提升(eXtreme Gradient Boosting, XGBoost)
* J0 e" @( x: h1 `3 c# Y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。

% `! E+ G5 D- E& b: hXGBoost的两个主要概念：

1 m) s7 A) R3 h5 V. ^5 B6 u& M1. 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。

: \+ E) [" C" t  M1 z2. 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」。

' V+ J+ v; `3 _3 y; t5 |Random Forest 和XGBoost 差异如下图例：
9 t) _2 P. ?5 z) K9 YRandom 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。
# i/ X6 [! a; N  r7 z
. z/ w- h  k& C5 d, W; a8 `+ k4 jRandom Forest and XGBoost Difference (Reference: 參考文章3)

3 L4 F0 v. f( nXGBoost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
. g% V5 s2 K1 P# |6 d◆ 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

$ b2 ~9 r2 G) @5 VXGBoost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
3 g! I8 I- p3 B! N' J+ d3 @————————————————
. `) E) h' L5 m; `  M- C; ]" 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


8 k. u- N! P6 d5 d