Python机器学习-多元分类的5种模型

杨利霞

- E- P4 }: u7 z; ^: M% PPython机器学习-多元分类的5种模型
  ~, n- F0 C% a# \9 I
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！

; _/ G; t, n& k& ?% D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」。

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)。
$ p' I5 z2 ]3 L4 {/ y5 L2 Z
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. P% V5 f& `! [
3 x1 `! K, y. {这篇文章会以监督式学习中的分类模型为主。
+ g8 S* b( s: {7 f! ~! ]( A
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%。
9 S  m4 h/ M! M, @; \9 `4 a6 B
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。

若需处理多元分类问题，有两种方法：
, a4 \6 B/ o1 C" m1. 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。

0 B& t1 T3 {* _, e3 e, ?# n! S  C2 z/ JOne versus Rest Example (Source from Internet)
! O! j7 \% ?8 a; z; {- \
+ m! V& v- R$ P) c2. 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。
- d4 T- A2 [9 o: q3 v* |) T9 @
One versus One Example (Source from Internet)

/ X) G4 b. P# Z6 E. F1 U$ O, W9 sLogistic 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
◆ 执行速度较快
, s2 P" L3 l4 b, k# H8 |( W
! w$ Q1 C) x8 a2 w: z: E$ BLogistic 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

二、 支持向量机( 支持向量机，SVM）
2 n7 w1 S. A' D9 Z% Z$ v6 \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)。
+ n! ?- W& X8 _' S3 J0 d4 z$ x
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。

! `% f& J2 F' t' y1 Q1 m* H" T- b. FSupport Vector Machine Example (Source from Internet)

' [; j9 l1 p0 O, ]! PSVM的优点：
- E6 n4 j  @& t1 s2 P: Z◆ 切出来的线或平面很漂亮，拥有最大边界距离(margin)
' U( `5 g6 ~1 \◆ 在高维空间可以使用(即使维度数大于样本数也有效)
/ g! R. h7 o2 x/ v# c8 {# y◆ 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

2 N" V9 o) Z+ U. E: U! ^( [+ l4 rSVM的缺点：
◆ 当资料太多时，所需的训练时间太长，而使效果不佳
' m1 o& `! O9 @7 C/ R- m$ O◆ 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
; K; V5 t, E3 C* Z  e6 d2 [
( f7 Y. o. i2 T1 p" Z+ {三、决策树(Decision Tree)
  x, S7 E8 w5 ?1 }: J4 q4 Z5 m- Z  J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。
8 P, p% _# E* h) q2 N8 o0 P# X& L
" J1 f* F. M# {4 e/ Y1. 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。
1 L8 L4 r/ @2 V
. P$ C9 G6 }& i" r: k2. 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：
◆ 决策树容易理解和解释
◆ 资料分类不需要太多的计算
  j; j& J  I6 L3 A  m9 p◆ 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)
4 {9 g0 p1 W7 y$ r" r◆ 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
! y/ T. t4 G5 d6 p1 X
Decision Tree的缺点： **
7 o; c8 B" A5 |6 p**◆ 容易过度拟合(Over-fitting)
( O# P: w% J# }6 Q# P# V◆ 若类别太多，但资料量太少，效果比较差

四、随机森林(Random Forest)
5 x' X! a( [: D2 a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。
0 b; M! ]2 E& G/ r
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)
& Q1 R0 q; t% l# d6 P* A" d# k" d
Random Forest的优点：
1 ]( Q, J& y: A# u# ?& m+ t◆ 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
# a# N) s# h; P* G, d/ Z: W
Random 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
) D; C: n% {8 {+ g8 |. X
" @5 m6 n7 z6 ~" v" `五、极限梯度提升(eXtreme Gradient Boosting, XGBoost)
, V7 s* H- V0 k" l, z5 D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。

% N  |1 ~7 z: T! K/ y' qXGBoost的两个主要概念：

& ^5 J( T6 P3 e4 O1. 回归树(Classification and Regression Tree, CART)
4 K5 t, }/ T) @- s# ?, ^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。

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」。

Random Forest 和XGBoost 差异如下图例：
) x; H. v( l3 ]' f' B5 A+ i1 q+ jRandom 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)
) B7 G  P$ n" r  ?# {- j/ A
3 J% R  n( Q. F* ?# s/ \- V# Z2 xXGBoost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
& i7 L, a1 p! O5 |" q◆ 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： **
( x; j8 c8 ?8 S3 X6 F1 `) 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
————————————————
9 x8 U0 Y* F& v* h9 ?* l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。
  u, S3 G" @# T5 i" ^% u原文链接：https://blog.csdn.net/wuxiaopengnihao1/article/details/126686410
. n5 H! ~+ r" }) k0 P! z
2 l% t0 v" {, y) |3 n$ M# `