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

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！
3 `7 N4 I, I1 c( ^, L; h& y
% v" t6 o* ?, s. H6 U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)。

) u4 u8 u, C2 x9 M! Q- n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)。

4 e  m* e9 H0 u% v/ @# Q$ o5 S这篇文章会以监督式学习中的分类模型为主。

$ p+ z" a5 D  E( J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%。

4 O. T, k( Q. }# R3 Y: t( 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。
* u6 n5 Y  x8 \" F6 W4 W4 w& ^
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。
% }+ f  ]; l( B0 P. Q
One versus Rest Example (Source from Internet)
6 o, P9 l/ G. F# G, }, k0 b9 p' ^; l
, J$ E* }2 o1 W* s; A8 f% 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。
  |) H! N( ~6 e4 ?
; Y/ k! o- n: j9 a' e. G( E+ XOne versus One Example (Source from Internet)
8 _1 n* x8 W, z# J' G) |
% ^+ d. c' N, g* J0 VLogistic Regression的优点：
◆ 资料线性可分(包含在高维度空间找到linear plane)
$ p  g4 N5 c4 q2 A; ^% |3 j◆ 除了分类，也可以得到A/B两类的机率
( o$ S- d8 C1 q! \- W4 j) q3 Y◆ 执行速度较快

8 I5 s; Y5 \/ h6 m% `Logistic Regression的缺点：
3 q- o2 G( G  d" l◆ 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)。
4 C( m* f, k* W: D& e5 n  O7 c
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。

7 g: F' g( H; a3 N3 \% x  K: Z6 v9 OSupport Vector Machine Example (Source from Internet)
; J# G$ u* p  M4 B4 w" Z, j
1 x1 G- e- _( g0 KSVM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)
◆ 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

/ O4 G7 q: \: a7 QSVM的缺点：
7 Z# k) y. h3 w: m0 S* }◆ 当资料太多时，所需的训练时间太长，而使效果不佳
! n: U3 z  ^/ h3 o. L* x5 \: Q! w◆ 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
* K9 P. n! R  u. f◆ SVM不会直接提供机率的估计值

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。
/ W) I' C( H; Q: h) Y
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。
" p8 v) @9 G( E$ D! s* H1 M
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。
! K, A! z5 j$ H; L
Decision Tree的优点：
; W* U& {; @: G) I8 h( Q- H6 l8 ^◆ 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
1 {/ D0 _# K; r◆ 资料准备相对比较容易
# n: }% ]' P) C6 G4 E. T(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)
# g4 O+ y' v6 X( g0 e) ]◆ 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
' \0 \3 k0 {' m& b  {. K
/ k, J4 |5 T& v0 B* WDecision 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
' A* ^' G# f- C5 H( L! Q
8 y5 v2 m  \. X. m4 ]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。

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。

# Y  o- c; G( |) C3 |, G9 p7 _6 U8 ^Random Forest Example (Source from Internet)
/ J" P1 L6 t6 a- l
Random Forest的优点：
& |  w% o* u( s% `) O- Z◆ 随机森林的决策树够多，分类器就不会过拟合
2 b2 }; L5 ~4 o7 X8 A* T. T◆ 每棵树会用到的资料和特征是随机决定的
0 Y2 l. W/ O, H5 l+ p, z$ S) {6 ^◆ 训练或预测时每棵树都能平行化的运行
# U# _. q% N4 `  v7 n# l
Random Forest的缺点： **
5 h; Z/ |3 v- M9 I# V, ~  W; 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

五、极限梯度提升(eXtreme Gradient Boosting, XGBoost)
! k* K, |# ]% `6 K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。
) C; }5 G" p4 y& o
+ A, Z( j5 h8 jXGBoost的两个主要概念：
4 B! @3 q, G* P. ]
' U( z3 s7 |" ]0 J1 M5 S1. 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 [+ F  E0 i# {' g2. 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」。

9 ]: j1 V# F) a/ F' r5 ], |Random Forest 和XGBoost 差异如下图例：
+ _: l! [9 x) O" h/ s7 GRandom 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。
+ R5 `1 g/ {! _1 a6 }2 L1 G, n
* Y/ @( d- [+ lRandom Forest and XGBoost Difference (Reference: 參考文章3)
. i7 @  R7 b. Z) k7 q! v( t
! Q' f3 y3 l! F" ^  W7 rXGBoost的优点：
" [- \. {. t, j; d" `◆ 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
+ q6 U  K  B. t% t) L
XGBoost的缺点： **
) a1 l* N6 ~  M**◆ 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
: L# G* G2 w7 k+ b————————————————
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。
4 j/ B: K1 T" R; Z- Z原文链接：https://blog.csdn.net/wuxiaopengnihao1/article/details/126686410