Python机器学习-多元分类的5种模型

杨利霞

/ }1 h0 J9 m  V( I8 xPython机器学习-多元分类的5种模型
+ M0 a& ^/ n0 V" r7 G9 T
% _$ w" X1 m& a. ~0 f4 K7 T- I/ h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！

# p6 f& U# Y: {2 d; x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」。

+ N& b% L7 W% r0 G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)。

# O8 k9 U4 l& ~7 B, F; 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)。
( q% D+ i3 P! y% w
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)
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。

, f0 M. C4 e# u9 b若需处理多元分类问题，有两种方法：
/ f0 Z! A. `( }* N+ o. r4 M8 k1. 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)
4 q7 p- X' R) N' k" o
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)
: f. m2 n4 j( }1 ~5 D" F, L& c
Logistic Regression的优点：
◆ 资料线性可分(包含在高维度空间找到linear plane)
◆ 除了分类，也可以得到A/B两类的机率
5 l# ]( j% Q2 z5 q* X! [7 z◆ 执行速度较快
7 U1 ~& Z9 a$ S# @6 i7 ~
% a) b  W3 m$ K7 E& KLogistic Regression的缺点：
+ n' _9 }. U- e- \8 D◆ 线性回归线的切法可能不够漂亮
1 s+ C2 T& j, |6 C! Q0 l% h0 B% Z◆ 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)。

* `3 v; c2 P# M' i% N+ @) @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。

: L  ]( g; [# s7 D. [Support Vector Machine Example (Source from Internet)
6 F) G( F$ M2 ^6 L! ?
SVM的优点：
' s$ G9 X2 n/ b◆ 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)
4 c( d) @5 H+ |# L2 B0 U6 p8 C◆ 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: n* u! Q3 H. l: s! P
SVM的缺点：
4 D  u2 V( \" g" |◆ 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
% T! _) X  R+ u5 A2 F& Y- @◆ SVM不会直接提供机率的估计值

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。
+ N# ~: @, ?# a; ~+ e& k- N
% F4 v. l; C9 e8 z! ?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。
  O& G  j# k1 a7 l+ X6 z/ X. X* ?& ]
1 A- d8 G  f% j1. 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。
1 L6 c- ~/ s" H/ h
Decision Tree的优点：
◆ 决策树容易理解和解释
7 u& W' i+ ~: |2 c9 ?◆ 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
(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)
0 E( `9 h4 b5 _: ^◆ 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

8 Y6 ?+ r3 X: I/ g6 U; ^! E2 T5 HDecision 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

! I5 _3 `4 U2 U3 a+ H2 J+ q四、随机森林(Random Forest)
5 l. B  \% P9 m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。
- d% U; O% {# t2 ~2 n$ H* X1 M5 h
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)
, ?5 u# Z5 V8 Q& [0 r0 X
* ]! H& d( a. LRandom Forest的优点：
◆ 随机森林的决策树够多，分类器就不会过拟合
" E1 e& s' B1 c/ d# U3 R3 K◆ 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
/ H& `' b2 e% }  ~. w/ ?! O
Random Forest的缺点： **
1 O, l' B% K- l- {6 A* ?6 D**◆ 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

2 T4 P3 b! a) y3 n. ^# `: Z; I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。
1 v$ d( z! M* Z6 e8 J! s1 o
XGBoost的两个主要概念：
1 k1 D, B3 L  R7 X, G8 M
3 ~! m  a5 C- a: I' V- Z/ Y" N1. 回归树(Classification and Regression Tree, CART)
0 J* o* z) p3 r$ e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。
( b2 U3 C4 ^! s8 E
2. 梯度提升
" a- u+ @  G9 Q: ?7 F6 J* X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：
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。
8 B5 t9 T; d: S" K+ h% a
Random Forest and XGBoost Difference (Reference: 參考文章3)

XGBoost的优点：
; b. B& c/ |7 B+ f2 \; H) X# m◆ 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
8 `! Q: d; Y9 w% O
XGBoost的缺点： **
2 j" J- |, y) h5 v**◆ 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
/ {" K9 [' G6 z. ]————————————————
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


; X1 i  k0 o' n9 Y% n. r4 t