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
: c  E5 t8 W2 ^" f: n& n2 B8 n
: T& u9 U; I3 \" V! R$ u* w0 h6 }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！
- j. Y3 O( f0 o& }, S. s
( d  ^/ }% d/ q5 ~3 H; z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)。
3 P& b; `& \' Z" h( h' n5 c1 l
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)。
8 M  ?* H& R. K( `
这篇文章会以监督式学习中的分类模型为主。

一、逻辑回归(Logistic Regression)
/ u+ R/ K- ?0 t- {$ @5 |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%。
) e5 U. g. W  d- |/ H) B) [
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。
4 b& {) w, y* Z" y$ \1 Z" n
若需处理多元分类问题，有两种方法：
4 x$ Z0 J. f7 q. X/ X/ W1 v* i9 J1. 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。

7 u$ J" b; r, NOne versus Rest Example (Source from Internet)
5 v1 B) M- P! c+ d# W5 [2 w
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。
3 s% k( y9 c% U5 E! g: D
' X. T2 X+ b" c/ F: WOne versus One Example (Source from Internet)

( o# N" B- @0 A# e. }1 J9 t- mLogistic Regression的优点：
5 L) [0 ~- q1 ^3 x5 S! G2 t2 a◆ 资料线性可分(包含在高维度空间找到linear plane)
% _8 z9 u7 v: n- U! V◆ 除了分类，也可以得到A/B两类的机率
◆ 执行速度较快

7 }4 h- Z7 x6 g# S/ E8 kLogistic Regression的缺点：
. {7 r: `: R) E1 |9 W◆ 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）
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)。
! n2 L) ?3 u9 z6 v0 m# _$ H
9 J0 s- W) X3 j5 x3 E2 V5 c2 vSVM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。
2 D' z, Z- X! G2 K" ^! l$ R
Support Vector Machine Example (Source from Internet)
# _- F) F. c2 b5 l* a
SVM的优点：
; X6 T2 |9 n: x◆ 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)
8 a$ H4 m% A7 q) Y" @◆ 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
5 b+ S" n; o' Z4 [, L) |
) f5 }" R; B8 [$ x* ~( ^1 ]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
. K* z1 @( v5 H* E! C3 T$ o# 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
/ n0 [. i; [) m2 L3 ^$ O◆ SVM不会直接提供机率的估计值

9 ^4 @% Y/ o" y4 e/ Z1 l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。
- e( V9 b% d2 }1 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。
" G1 |( m! n! h/ j
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
◆ 可以处理连续值和离散值
◆ 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)
& O- R, N, z/ \  p. y. l; O9 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
' T" y5 L- V8 Z) U7 m$ t
; L0 w$ I4 V  C# e2 _* M4 Q; [7 sDecision Tree的缺点： **
7 b. ?' J) R# N. a3 j**◆ 容易过度拟合(Over-fitting)
◆ 若类别太多，但资料量太少，效果比较差
) V& N5 d! q. I
$ E. Y% u9 m6 s/ B& l. f! ^四、随机森林(Random Forest)
; T7 m/ \5 m. R5 E: J: U. N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。
, r# z$ j+ X# q, k# I8 h  V: \
) d7 \1 t* V6 I, Z/ z6 n- p# B+ YRandom Forest Example (Source from Internet)
6 `& B9 z& Z, f% a
% _1 \4 W5 x3 l+ E/ A2 _0 ZRandom 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
◆ 训练或预测时每棵树都能平行化的运行
& M  D! v! D+ z* n0 E3 F  z. M$ a5 C
Random Forest的缺点： **
/ T1 M0 O5 m4 C- N**◆ 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

" v/ r, n( N6 i) Y: i1 u7 j" u" P5 s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。
9 r) x: }! y: r, j" V' Z
XGBoost的两个主要概念：
" H, K* W4 i% c" [: H
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 z; s' Y" I2. 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：
3 o" G( q/ A; n6 wRandom 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。
2 V5 k8 g& D; m' v9 Q7 T
% p5 e/ Q4 u2 K7 ]  gRandom Forest and XGBoost Difference (Reference: 參考文章3)

XGBoost的优点：
  ?! i) @& w/ O, A; p* {◆ 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

* M2 Y- _( b. dXGBoost的缺点： **
  S- i& Q4 |8 D) P$ O**◆ 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
9 W" K7 |" d$ T0 q2 c————————————————
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
/ z& D4 c2 G" A' {8 K* X
2 ]) @! {& k3 a; L& a- ]
7 j; R3 G  B/ _  ?