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
2 `# F7 w8 g3 \: v( H! r
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！
- @, n7 k* Z, B( M/ }/ z
. q; t7 L2 h7 `" J2 w. C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」。
# [2 q( A/ \2 Z) M/ t9 Q
3 I% u- |/ Q# I! z% l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)。
/ E7 B6 h2 H: W
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)。
& u! Z, a5 Q  }0 A+ p, O2 Z
4 F, r/ _& Y, x- R, V这篇文章会以监督式学习中的分类模型为主。
$ C7 e6 t, y# K3 n2 Z% L; e
3 W+ h1 |& G" t7 o一、逻辑回归(Logistic Regression)
: d* W5 d) B( `) i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%。
' s3 c" {' v- k/ b
* p- r+ O" n: z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。
1 Q' V# T0 J9 k% B' z; w2 C8 V0 w+ l
若需处理多元分类问题，有两种方法：
+ ^4 `1 ?, ]; h8 W! ~) [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。

One versus Rest Example (Source from Internet)
2 z7 x) F8 l5 E0 G/ o& L$ V/ H7 J' R
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。
- I& E" H- i2 B: m7 A
2 @, n$ e0 x' N  F+ bOne versus One Example (Source from Internet)
( [' L: B. o. E7 b  V. u2 g7 [! j: m
  X4 B5 E/ J% q: D, d/ mLogistic Regression的优点：
( X6 o. k) O# u% y* O1 U2 K# u. K◆ 资料线性可分(包含在高维度空间找到linear plane)
& B# `% z) o4 }1 e3 p◆ 除了分类，也可以得到A/B两类的机率
◆ 执行速度较快
1 Y( ^5 J8 C8 p, D/ W
0 S2 ~4 x" ~+ k. c3 B" OLogistic Regression的缺点：
/ m4 m  s4 }) U' ~1 Y7 R# O◆ 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
0 e# G% j. O& {" z# r: |! R
' Z0 k1 C" e( l4 z7 B二、 支持向量机( 支持向量机，SVM）
+ t) [! N; E4 y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 L% D/ K& _6 R3 @* CSVM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)

% s" U, O6 i" x8 b. i; h0 q! [SVM的优点：
◆ 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)
* |9 r* |8 P, b# w◆ 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
) N9 I# A( K1 l: f( I% {/ W+ o# k
# W! Z$ w0 e; ~9 Y( A' N/ U: GSVM的缺点：
! h. o8 |' W4 M* H- O% R◆ 当资料太多时，所需的训练时间太长，而使效果不佳
$ u5 L+ E+ W0 X2 `( G0 U◆ 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
2 Q& R% q. |- ?# k◆ SVM不会直接提供机率的估计值

三、决策树(Decision Tree)
9 x1 w, p2 z' e, w" _/ [0 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。
7 f' n$ W' a! S! y% h; ~  l- {3 ~
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。
  r( z, q3 d( \- u# N
. V# ~9 C9 O; Z6 d1. 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。

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。

$ [* s7 Q1 S: \5 P# p$ V. c4 ADecision Tree的优点：
◆ 决策树容易理解和解释
$ W( @6 c9 a; R" l6 h◆ 资料分类不需要太多的计算
. a9 J7 B8 z2 [6 z0 o5 q- x◆ 可以处理连续值和离散值
% H; k. N' O, g6 W* 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)
! ?6 N( e+ i5 G# \" \◆ 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

$ w2 L8 l! u, q9 r9 J* U( _& o' t1 mDecision 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

四、随机森林(Random Forest)
& z; a: c9 u" R/ G9 A3 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。
& o/ R+ P8 ~4 F: w) g$ J
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 o& C2 C3 @6 y/ `* [7 e7 q/ D; F
0 E7 K- {7 R- tRandom Forest的优点：
/ @% M/ y. U" i  U- w, z◆ 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： **
; S/ h5 r# W% u' J**◆ 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
% }! l: C( R7 M( h/ P) W% g7 U3 Y$ @
4 |: I+ j- s- I8 d9 @9 a五、极限梯度提升(eXtreme Gradient Boosting, XGBoost)
. T. H; N4 o2 ~% |# U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 M5 q$ n2 ^% z) i
XGBoost的两个主要概念：
3 N! _' G  ~: U: y# d8 I% X8 q' g) R
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。

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」。
4 J9 u: J. ?% i9 i- x4 u  p. c$ Z
9 Y8 u2 d3 e8 p7 p: h% \. Q2 [6 ?Random Forest 和XGBoost 差异如下图例：
% B- m3 r( B+ sRandom 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：
, r5 ]& \& j8 O# N* b  o◆ 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
' f5 L! K" F1 B1 t% f1 E
XGBoost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
# }- M, j/ b' l+ d- u& }————————————————
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。
3 n1 L5 x( |; F- M5 ~1 n! u原文链接：https://blog.csdn.net/wuxiaopengnihao1/article/details/126686410
9 T3 B1 _1 R4 I) p' t
/ X6 e; ^. @0 J- X' l& E" R" ~