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！

+ F; u. o& p- h7 h- F- q) \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」。
5 D3 A8 v/ U" n. i; R
# _; z* B& R4 U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)。
) _& z5 |  N4 V- N, y! s, ?7 A
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)。

这篇文章会以监督式学习中的分类模型为主。

" K; z% G/ O# M/ N一、逻辑回归(Logistic Regression)
8 L# R) u( O- ^, _+ n7 o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%。

( c7 F. i! Y% B8 ~4 ?% c/ t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。
2 D: ?' Z; b7 x' N9 O
若需处理多元分类问题，有两种方法：
0 Y* @, n* \8 H1. 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)
7 G7 s. Z. k0 k8 R3 h0 t
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。

1 L. `4 c4 B& k# _2 FOne versus One Example (Source from Internet)
8 N7 {$ x2 }; f$ {* @
/ V  c/ ^' D1 G- e) FLogistic Regression的优点：
◆ 资料线性可分(包含在高维度空间找到linear plane)
" }; t0 S1 s: j◆ 除了分类，也可以得到A/B两类的机率
" t/ }+ s) z# m◆ 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
3 K7 o3 t* U7 ]  I* ^- S◆ 不能很好地处理大量、多类特征
2 l$ s# n. f$ i" K- d# q9 i
二、 支持向量机( 支持向量机，SVM）
' U( P$ K& k* R" Z; b* a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)。
+ X! A0 u) n+ k3 c
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)

% O3 u2 x. Z! r) JSVM的优点：
◆ 切出来的线或平面很漂亮，拥有最大边界距离(margin)
4 Q8 x8 A. a+ b, W◆ 在高维空间可以使用(即使维度数大于样本数也有效)
( F" I  M5 @. H4 s1 ^0 s5 O◆ 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：
; N7 V2 @  u, h# |/ g9 X◆ 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
& U" H8 V+ a( a7 s$ E4 |, N3 g◆ SVM不会直接提供机率的估计值
5 T* R' d: A% J- J, O# p4 u( b6 Q
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。

' U. R( b. B8 m. c% y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。
4 k" w2 H1 f0 m. E0 @1 f' \  x9 a# v: u% }, Z
& L4 m; m5 E* C7 Y  l0 N2 D! V1. 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。
" P; n  M( `, @# q% k  I; 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。

Decision Tree的优点：
◆ 决策树容易理解和解释
4 A$ _& c& ?) c7 S2 U8 M◆ 资料分类不需要太多的计算
- a1 v$ K6 Z' h3 E◆ 可以处理连续值和离散值
: Q' j: ~8 ~) \4 |" U! ~◆ 资料准备相对比较容易
  S$ X* i+ F3 F. b& K4 ~# q(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)
1 P5 T: _( _1 U◆ 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
6 c- Z$ w& F# G0 m" h3 _% i
Decision Tree的缺点： **
**◆ 容易过度拟合(Over-fitting)
% U  t# N1 |1 ]◆ 若类别太多，但资料量太少，效果比较差

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。
( B( y7 W( T3 }! R) j8 e) S- H
0 n+ B, [6 Q4 Z5 }1 u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。
! ?$ z3 z9 v. T
2 @% R, V+ V7 a" sRandom Forest Example (Source from Internet)

Random Forest的优点：
0 ]! L# W0 n5 T7 M) P2 k# 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

Random Forest的缺点： **
6 p- Y) W" h8 I) [" \  [; {, w' s**◆ 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

7 i# s% ]4 N: N: E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。

7 {( ~0 I% n' Q: O7 X2 JXGBoost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。

9 L. [. T% Q3 i" j' F2. 梯度提升
4 k/ M" s! @4 q$ S& `  g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：
( ~/ N' ^% a- q; o% m0 [2 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)
( N; f9 i3 f* k! v! Z$ e( f
XGBoost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
& L$ b$ }  z' l. _5 H* C+ {
" c% @( A9 B* S3 EXGBoost的缺点： **
( B8 x1 V$ v- _- z**◆ 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
————————————————
8 i# @) a8 W$ d" l$ ~" w- N0 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

' k7 ~9 N) c  D; W+ T