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

/ `+ t3 Q0 x  R2 B( U; Z' T- Q- x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！
6 e+ }% @' |& z  v3 F! M
" p5 U$ v/ G1 e; ^5 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)。

1 V, O3 [" d- t* d( l; I2 w+ r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)。
: W! v6 y3 d2 ^$ W1 I
( f( _8 ~& y- L9 l( D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)
( {& ~  S& y* F; t( {. z0 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%。
4 [: ], b7 ^5 g0 M& d, x3 }
0 W! w4 V" Q& E; z  ]* l1 }+ R3 B3 O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。

One versus Rest Example (Source from Internet)

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)
; U) f8 y0 Z3 ~4 ]. W1 z
9 o7 F- X& k3 h* W+ hLogistic Regression的优点：
1 X. a7 y* H( c) O◆ 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
2 ~% C6 v: W. f' {- Q7 A◆ 执行速度较快
/ {7 ~2 n2 Z( e6 d; z1 D2 O+ e1 T: ?# K
) V+ I& Y1 E0 H' [+ M. t: K: LLogistic Regression的缺点：
, x: E& @+ ]" x9 g7 B' I◆ 线性回归线的切法可能不够漂亮
3 j  o* C$ N" a◆ 不能很好地处理大量、多类特征
/ s# b$ [( ?& a
: a, N% A. _+ j( m. F* Y二、 支持向量机( 支持向量机，SVM）
! G3 E+ \3 y9 B0 x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)。
# E1 p$ x2 U5 r# Z5 n
" g8 W- e+ z" \) r5 hSVM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)
- N  w" a- r- {, n4 n
SVM的优点：
◆ 切出来的线或平面很漂亮，拥有最大边界距离(margin)
+ X' ^0 y  q4 G7 m◆ 在高维空间可以使用(即使维度数大于样本数也有效)
◆ 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
. l) E' `1 e$ u; T, K- D◆ SVM不会直接提供机率的估计值

3 n& |( n6 H; H- }三、决策树(Decision Tree)
. n3 ^! ?  n; |' O% u# }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。

/ G& o4 i  |& O) z. Z  x7 [% K$ c1. 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。
$ Z! H1 T. V: l/ g
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。
2 }" ~/ D8 L1 @: u7 Y& s0 [
Decision Tree的优点：
◆ 决策树容易理解和解释
5 U) n( U4 p# ^3 [◆ 资料分类不需要太多的计算
◆ 可以处理连续值和离散值
! S4 c! K2 q) |" T  q$ j◆ 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)
◆ 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

Decision Tree的缺点： **
**◆ 容易过度拟合(Over-fitting)
& w" c$ u9 o* c9 u' e5 A& q◆ 若类别太多，但资料量太少，效果比较差
  n/ d3 D1 i6 Z* @5 _' j3 B
4 Y5 m+ J- S0 z/ q四、随机森林(Random Forest)
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 c) x) j: G0 x# ], D/ d8 d; |- D: ~- S( E
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。

4 z7 D- |) n$ b  \5 f1 M* ERandom Forest Example (Source from Internet)

Random Forest的优点：
◆ 随机森林的决策树够多，分类器就不会过拟合
, X2 g' Q1 K; j% l◆ 每棵树会用到的资料和特征是随机决定的
7 X6 m0 Y- A6 @8 x9 s' Y◆ 训练或预测时每棵树都能平行化的运行

  W! s3 W; K3 |% W: SRandom Forest的缺点： **
2 ]/ s# n: r) U5 s**◆ 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

: ~0 l7 }9 Z# l: n/ w. ]( {" y五、极限梯度提升(eXtreme Gradient Boosting, XGBoost)
* Y% ~7 y. J' P7 h7 [% g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。
/ ~1 S+ J" z9 u( q* g- u+ t! `
0 H, ?- o: c5 w6 _" y5 h$ wXGBoost的两个主要概念：
' s) o% z! k3 D- |3 {
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。
1 u& _/ V$ G7 R/ {" e) ^; `8 f
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」。
" s4 F/ a. m. s& h/ A
" F  G8 n( a/ P5 K5 l' fRandom Forest 和XGBoost 差异如下图例：
( d4 o$ U2 i( t6 o, o- \: ~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。
# a2 h* _( _3 h3 }( ~
Random Forest and XGBoost Difference (Reference: 參考文章3)

, `2 z: r5 s; Q9 c* XXGBoost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
# i9 \  e0 p# X* \# h
' `/ N2 G% s; s5 b7 z1 S  r5 u8 G4 [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
————————————————
  e* u/ W- l: S$ T: K5 A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+ d6 x  h5 p