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
7 [/ X$ J. |, b+ u& 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！
: M" P0 ?* V1 ?  G6 t' S
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」。

6 ?0 U8 l4 m8 c7 T  C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)。

! \. {! W' o3 E# U7 {# I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)。
* @+ E4 `% V( N% w2 q
这篇文章会以监督式学习中的分类模型为主。

' }: G8 h! K. Z6 l" K一、逻辑回归(Logistic Regression)
( H, h7 d, U$ `+ \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%。
" S- w* N$ S, }8 e
; L( q" U8 M1 L9 ~! b7 n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：
( t% H1 |4 D8 _0 S1. 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。
4 g2 g( k& A0 Z5 O  S
1 E: I( c, v6 F, u, [One versus Rest Example (Source from Internet)
3 k9 m0 P  U  U7 \( X* p
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)
8 o+ s0 h% v2 {5 ~8 N
2 X) _) G: b3 s) J, P& KLogistic Regression的优点：
7 a; H8 t+ o5 d◆ 资料线性可分(包含在高维度空间找到linear plane)
( P; l3 D+ Q. ?- E5 m6 b; n◆ 除了分类，也可以得到A/B两类的机率
◆ 执行速度较快

2 @; h* Y  {4 A0 M' bLogistic Regression的缺点：
5 Q% D1 h& B: L1 }3 @◆ 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）
5 A# W( E' G( W9 h  D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)。
# h0 |5 ~, n* 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。

. o% u2 }7 U. c7 r7 g4 `1 WSupport Vector Machine Example (Source from Internet)
* C2 m+ h8 N. E# h; }3 t8 H
6 w& {' l4 Q  f2 s( Y3 TSVM的优点：
( t" R$ A1 i; {' q. N3 ~9 ?◆ 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)
: ?$ C0 `9 {, b* E& }7 p) 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

SVM的缺点：
◆ 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
◆ SVM不会直接提供机率的估计值
, c. {) ?2 Y+ G2 _( {
三、决策树(Decision Tree)
0 K' `: ^5 h5 \; a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。
/ V5 p3 p" i5 R7 \: O
+ F! d0 m8 O# a$ ~0 l  H' F, s8 H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。
: g( N, r" @3 [8 k" u1 v1 o1 U
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。

& D" w4 y+ h/ _7 l4 B2. 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。

5 h5 `1 v9 q" y/ K  F# k2 ~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
+ D: C# ]$ d* `  p0 U% h◆ 可以处理连续值和离散值
◆ 资料准备相对比较容易
6 `1 D1 @; t: G" `9 G(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

' Z/ t  L( Q1 cDecision Tree的缺点： **
# G) s2 N: ]9 H0 j9 g" O+ `4 s**◆ 容易过度拟合(Over-fitting)
* K; o1 T: l( C7 _! V◆ 若类别太多，但资料量太少，效果比较差
7 [( ]7 `! P9 c/ X; ^- U
四、随机森林(Random Forest)
# z" S: Z% Q  r" Z, p: f% V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 \' e! O$ A5 Q" R  p8 W
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 s0 Z! F; Y4 U! d6 T/ o- M3 T( W
' o6 o. W" l  ]. Y/ F2 dRandom Forest的优点：
◆ 随机森林的决策树够多，分类器就不会过拟合
' w4 g% S& h/ X6 T# ^8 R◆ 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
/ ~* n/ \% u9 m8 v
Random Forest的缺点： **
1 F* D9 \% S' u6 Y; F**◆ 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

- T. C3 M, _- H7 x7 S2 ^: z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。

XGBoost的两个主要概念：
( m$ L8 K2 D$ O' S. a% t; j/ E
1. 回归树(Classification and Regression Tree, CART)
  e. ]0 Z/ C; \% U* i1 n! d5 F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 N: G% X/ W( i( e
4 D5 o+ l& [' H- j; w2. 梯度提升
/ r# L+ G" v$ C1 S# C" p$ P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」。
5 ]) s  P5 b% d5 G% Z5 e
  A8 Q! k- F" Z/ C2 w$ u/ ?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。

Random Forest and XGBoost Difference (Reference: 參考文章3)

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
" C% w4 G0 d8 u9 @, P◆ 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

- N" @+ q% k; t5 eXGBoost的缺点： **
**◆ 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
" I" ~, u4 z, x2 C) ]+ d2 L. 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。
原文链接：https://blog.csdn.net/wuxiaopengnihao1/article/details/126686410
2 I& p: o. l! i