Python机器学习-多元分类的5种模型

杨利霞

* j' L7 z; I" }: Z/ ~Python机器学习-多元分类的5种模型
" ?0 g7 T! {7 V1 F
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！
+ \$ n, v! r+ u  {) X8 l
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」。
% q" I) ~( ?( T, c  A2 ^1 E% M
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)。
$ c3 l5 I- h- A, ~* ]) t
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)。
: n2 ?: Z/ U4 s" W, C' L; J
这篇文章会以监督式学习中的分类模型为主。

4 U5 G! z, Q$ j: @9 J, o# k7 w一、逻辑回归(Logistic Regression)
9 {6 {6 C' n( r! _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。

/ t2 z5 J; Y9 N5 e( T1 e8 _3 l若需处理多元分类问题，有两种方法：
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。

  t) H& N" V% K& A( x2 `' P" Z8 ZOne versus Rest Example (Source from Internet)
+ _+ x+ y. N: v- t3 E) A8 o8 I5 I, D
$ Q8 o7 J, F$ I* I5 ?5 O2. 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。

& w1 W; L( f& X) M3 J5 yOne versus One Example (Source from Internet)
$ r( Y% Y" c# ~/ A0 h& i
- S* v# N% n2 O" ^Logistic Regression的优点：
8 m; d& N2 L6 w◆ 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
( m: k- G6 q5 P
Logistic Regression的缺点：
. U  Y! s! W7 q0 @◆ 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

& O2 e" O7 r9 V  D$ Q; i* k6 [二、 支持向量机( 支持向量机，SVM）
. F3 ?5 {. Y' v( q% R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! X3 j' u+ K- {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  b+ Z4 L3 \2 P" v3 R+ S1 F
Support Vector Machine Example (Source from Internet)

SVM的优点：
7 u3 e0 I3 k3 S! H/ x. m+ }◆ 切出来的线或平面很漂亮，拥有最大边界距离(margin)
* d* c+ p. `" g◆ 在高维空间可以使用(即使维度数大于样本数也有效)
4 v0 [" g! C7 J9 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：
- f* _6 Z+ }$ x8 N6 u3 {7 |9 U◆ 当资料太多时，所需的训练时间太长，而使效果不佳
. _/ k+ M' q# Y# s◆ 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
0 n7 ~- J( O+ j1 q% y8 h◆ SVM不会直接提供机率的估计值

/ ~( D3 N. N" O* v& `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。

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。

1. 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 |4 r' A. O$ T! K
1 x8 V0 k$ c3 A# c' x# ~6 c; d2. 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。

/ [, r# t. Y  W: W9 N% u& Q' HDecision Tree的优点：
◆ 决策树容易理解和解释
6 `7 y' ~8 E- ?2 C) `9 J◆ 资料分类不需要太多的计算
◆ 可以处理连续值和离散值
+ \- G" o; \/ ]& Q2 p$ ^+ J, v◆ 资料准备相对比较容易
5 E* V2 O2 M, E# x4 o7 ?# [(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

5 q3 [9 M1 P( I" a+ _* t, x% bDecision 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
* \. B' ^9 q0 G6 J
! p# s& p2 i" L9 b* t四、随机森林(Random Forest)
: i% B. q  j5 x" f! t& u4 e: u, I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。

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)

6 m/ G2 G* G: U% CRandom Forest的优点：
- d% x6 Q7 E& ~% S◆ 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
4 m) h  H4 A: W! T. Y' X3 D9 E) a$ v◆ 训练或预测时每棵树都能平行化的运行
5 F4 X, F7 k# I- T
& L5 r. t1 u. c+ V% t5 IRandom 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

5 m- U6 K' t& ~" [  B2 W五、极限梯度提升(eXtreme Gradient Boosting, XGBoost)
6 h4 v  c% h8 s* C: T4 b% A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。
  ]2 J- i9 Q& ?; f/ C
6 E7 J% X& T* F$ U( JXGBoost的两个主要概念：
0 _1 X6 I& b$ x( y, o7 _: _4 l% v
1. 回归树(Classification and Regression Tree, CART)
% `/ `* c' N% n. G' ]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。
$ L  b' |- D$ j+ |2 q6 @
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：
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。

# p$ H' V/ \( U) uRandom Forest and XGBoost Difference (Reference: 參考文章3)
0 C, ?. N% a# f5 B7 Q
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

XGBoost的缺点： **
; e0 y3 G& _( }  M3 ^**◆ 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
: U$ u+ }9 J, n0 A4 _————————————————
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
2 k) v) c2 D4 f) d

: Y0 Y7 s. r% U5 O/ N7 L  N, s