Python机器学习-多元分类的5种模型

杨利霞

. s8 ?! |. t( c3 l' J7 O% NPython机器学习-多元分类的5种模型
5 b* I5 K# i' S2 O' a+ O1 G) O/ s
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」。

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)。
9 h  ^& r  _: c- P+ n
+ w/ k* R; O# a' r" H7 A# D2 S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)。

2 [3 c' P, x6 e+ Y3 K这篇文章会以监督式学习中的分类模型为主。

( ]. a1 W5 V  o) D+ S/ o- X  F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%。

- p1 C8 S6 P% @. r: k  S: m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：
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。

: u1 s, K6 z7 Y5 t9 @/ i& I& X( tOne versus Rest Example (Source from Internet)

  t  q) ]: Z. ?( h2. 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。

3 Z3 _7 v: {3 [0 SOne versus One Example (Source from Internet)
5 M3 Q* }" H1 @% p! A
* z  L7 B7 g" Q' Y; X' JLogistic Regression的优点：
, S+ M& K* P2 I+ \* g, b◆ 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
! v8 }- `/ c9 m9 N2 k( Y◆ 执行速度较快
, \8 }, d$ }% Q# @; W$ u
$ O, e7 M$ v# D9 f1 V. P8 ]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

3 P, O3 M7 E6 G0 l5 Q0 W" P二、 支持向量机( 支持向量机，SVM）
0 f! ~# \9 U; D6 [! @4 P% o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)。
! K4 [2 [4 b; T2 z' g  i5 J. v$ a
4 Q: W2 H/ b8 Y1 aSVM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。
. J  j% `$ y8 [+ g6 N4 `
Support Vector Machine Example (Source from Internet)

/ C/ V/ \7 O3 i3 A! ~: t! V$ \) }SVM的优点：
◆ 切出来的线或平面很漂亮，拥有最大边界距离(margin)
& t: o5 o; b+ d% x$ \◆ 在高维空间可以使用(即使维度数大于样本数也有效)
8 h6 C! }8 g* R2 c8 n! K◆ 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
4 ~# t, p5 d' m) P9 [5 `$ \, h
" ?$ Y& ?# M) Q1 W" |' U; p; PSVM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
$ G: V: k( y) p4 n& F7 q, p
三、决策树(Decision Tree)
7 k8 D4 J+ Z; d6 i7 p8 \8 ~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。
1 L" h  T2 ~6 t$ V
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。
6 N, A6 w6 O9 i5 q8 o6 m
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。

' o) T! e: E! r0 p2. 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。
! j, f1 E! ^4 ]+ ?  p+ f
0 T% `5 m3 s+ J  a( b% MDecision Tree的优点：
2 l) D. _, Q0 Z* i' `  l1 X◆ 决策树容易理解和解释
" }8 F: Z" K! ^◆ 资料分类不需要太多的计算
◆ 可以处理连续值和离散值
$ X! w; m9 e. {4 `, U7 r, d  u2 i0 D◆ 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 d3 E" M" o& y0 m◆ 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
" m. S$ I* D! u8 J
5 e1 Z9 j* P1 n3 O" w# pDecision Tree的缺点： **
**◆ 容易过度拟合(Over-fitting)
/ {! l) z( g1 E2 m◆ 若类别太多，但资料量太少，效果比较差
; h3 S& |1 n' M
( B4 g0 _; M- Z# i) O四、随机森林(Random Forest)
, s& Y$ ~- @5 @8 u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。

: T4 M  D8 U5 ?3 m( K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。
3 }( b0 y- g7 k; G# e
Random Forest Example (Source from Internet)
* l3 I5 p% J. ~9 W
# Z7 e6 v$ j; r7 I1 _' bRandom 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
6 ?3 T+ P6 d4 Z7 `; r◆ 训练或预测时每棵树都能平行化的运行

Random Forest的缺点： **
5 }* @; q% @7 Q+ G**◆ 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

9 U% C' N$ B1 b6 S* r5 w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。
( M( }6 B& w, Q) b: o: H' }
  v; [& K% V2 r# u! X6 t& n5 LXGBoost的两个主要概念：

0 V1 G$ t0 {/ l8 J! B1. 回归树(Classification and Regression Tree, CART)
, k) y: {) O3 p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。
4 P: H( r8 w1 T5 P+ C! H; g
" _) l: w  t- }) a9 b" x, x2. 梯度提升
7 U4 f7 }; h# E5 h1 q# W; H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」。
6 [8 z! F8 Y% u& f9 j3 e: [+ ?
Random Forest 和XGBoost 差异如下图例：
) O. ^$ |6 N1 nRandom 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。

3 V7 c) D! \% m1 o7 u" `/ w) |Random Forest and XGBoost Difference (Reference: 參考文章3)

- e2 J, U5 _+ ?0 mXGBoost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
+ t; c  n2 T! L4 U; }  P  f! w2 m◆ 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
+ o0 m; f! i; a0 v0 d+ N
. v* O' K! E' U& U0 P( AXGBoost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
0 w  [! @" q; f————————————————
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。
  t1 G' g# F6 i' o. j8 x原文链接：https://blog.csdn.net/wuxiaopengnihao1/article/details/126686410