Python机器学习-多元分类的5种模型

杨利霞

# y" f6 v3 x4 a  I4 M, C6 a6 r( IPython机器学习-多元分类的5种模型
! M' W2 m+ \" D, _8 F' v) o
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！

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」。
! g4 n& S) @& \" b- l' i# c
; Q; d/ H+ W0 H: z# |5 Y+ A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)。
7 {. o# S( A" [: ]8 E
- _1 ^7 I& C; a$ n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)。
( B* _: s) N4 I! C' B
这篇文章会以监督式学习中的分类模型为主。

  K8 u9 [* F4 z0 M; L$ {+ V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%。
$ P7 c' i) ^3 ^7 n' [
$ J9 G# W: Q" W- M6 K  g# `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。
- E4 u; @' y- `# g- P4 }# l% F
9 u5 e3 Z$ S4 s$ ?1 c6 U2 d& N若需处理多元分类问题，有两种方法：
; |+ g, S" M0 Y$ t. F1. 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。

2 {  u, G7 S/ G1 k( M; r) QOne versus Rest Example (Source from Internet)

; y. [$ q, k) M' s2. 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)

( a* b; b0 v# G( ^) w# i- v5 LLogistic 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
; T* Z2 C9 X6 |# r) }% a◆ 执行速度较快

Logistic Regression的缺点：
◆ 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
0 s! Q- @% o8 v  p) K7 y$ W
% r+ H8 ]* L6 s) x: z% A二、 支持向量机( 支持向量机，SVM）
6 q! i) ~1 i' e" k: K" ~! X# F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 G& K; L/ O# l" V1 e5 p. f/ x( U
2 D/ T1 ?4 ~6 P9 c* J1 b5 ISVM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。
1 |& g: B" }- b1 u* B
+ t* O6 I# W/ @) NSupport Vector Machine Example (Source from Internet)
" s) h8 t8 b0 T
SVM的优点：
% u2 w8 r+ n8 z  ?3 y◆ 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)
◆ 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

9 t; M3 y  [) G" U  M6 \: ?SVM的缺点：
$ p' |% ?) n' Y( `& u$ K  p◆ 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
1 d' i5 Y; u$ o! C( u1 m+ ~8 v' c  v◆ SVM不会直接提供机率的估计值
7 Z; p% X' |1 Y
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。
" \8 ~- U/ J! r" _2 k( P/ ?3 b
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。

7 h! G% V% @" x  p2 Z/ 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。
. O5 U3 j; ?9 s, }5 B
Decision 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
◆ 可以处理连续值和离散值
: |4 T/ d; e; N◆ 资料准备相对比较容易
2 Z! u% U$ ^& N1 l: _(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

Decision Tree的缺点： **
7 I0 D; B+ X" C$ I7 J5 N  E**◆ 容易过度拟合(Over-fitting)
◆ 若类别太多，但资料量太少，效果比较差

四、随机森林(Random Forest)
: g5 B4 ], B; s% ^: d5 \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。

, m  Y5 q+ B9 _; ?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
◆ 每棵树会用到的资料和特征是随机决定的
% u" W, h. X* [◆ 训练或预测时每棵树都能平行化的运行
. w" h* h1 l3 F
Random Forest的缺点： **
: d. a6 h2 z8 u0 c, P5 R) f- P. `6 Z**◆ 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

* v& j1 J" g, B+ R" k  H: e( v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。
; j; [5 b; b' b* e  K& ?  m* }6 A4 X5 B0 @
' P6 }' x& J& G5 W" ]XGBoost的两个主要概念：
) ^) n5 @3 e4 J; |6 N/ C
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。
9 f3 \* f9 `+ M/ r
9 @- o$ g4 w2 W6 O1 U2. 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」。
3 w$ g7 S0 l+ l& g% @! B* p
5 a1 D6 D; `) O7 c" \" {$ IRandom 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。
+ J  ~0 N, E4 ^% j; r' Q% F) n
# P8 b% G$ P& |2 `8 J1 i  c9 V+ H8 kRandom Forest and XGBoost Difference (Reference: 參考文章3)

6 z' e3 H; x& K$ G* [' {0 P7 CXGBoost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
+ [# S6 T, G5 m" M% G! 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
) D' z* ?% F2 \! j$ w
5 j8 {: w3 v! N3 }) D9 EXGBoost的缺点： **
5 Z. u3 \9 [1 t9 d; V6 _**◆ 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
————————————————
* j% ?3 x9 M( J7 U" }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
" @3 s' W7 Y5 p, m- P