Python机器学习-多元分类的5种模型

杨利霞

" v8 y. h- p" ]Python机器学习-多元分类的5种模型
2 k6 D/ Y. i- Q, f
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！
/ T  v+ }: U0 {2 X
9 d' i$ d) f- d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」。
* l) `8 @0 A- T" y
9 w( w. u2 K% _) a7 s# \8 N* R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)。

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)。

# ]( O. \' m% n- g6 G* F这篇文章会以监督式学习中的分类模型为主。
, C$ s- J' x5 k# V
  E+ ?8 j. L$ b, H一、逻辑回归(Logistic Regression)
6 h0 E" H1 h2 C: D$ B' c* d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%。
. p3 W& S/ A& k6 {% O
, H/ F. ?* `, _& a5 ^! p! H% X+ [& v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。
  Q, {( r# l- i: g6 c3 A& ^* ^! k
5 e/ s& d- D9 M: ~  I7 ?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)
+ \" _! U3 _! V7 m; _/ j* s7 ~
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。
/ P1 u1 l: P8 q
One versus One Example (Source from Internet)
3 g' d: D% _- z/ m+ a7 j
7 F; ^6 W; L5 S( Y9 R! QLogistic Regression的优点：
0 |4 P6 Z7 b1 d6 o6 T3 O" w◆ 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
◆ 执行速度较快
# P* ^( U+ X* V* `
Logistic Regression的缺点：
( c! X/ K( w: X5 e. t◆ 线性回归线的切法可能不够漂亮
1 m# V/ [% V4 b" \2 _. ^( g◆ 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)。

& m, M( o( ?- y6 y* QSVM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。
9 @+ j% `( C# q4 Q% i2 V
Support Vector Machine Example (Source from Internet)

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)
5 a5 N" ?* Z/ O$ F8 S◆ 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

; W: _9 |9 L4 ^6 w( \" hSVM的缺点：
◆ 当资料太多时，所需的训练时间太长，而使效果不佳
4 I0 O% M' D  ~: J3 \6 {7 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
. G5 o2 V! \: E$ p0 U◆ SVM不会直接提供机率的估计值

三、决策树(Decision Tree)
2 H! q+ G0 P0 t6 @1 X+ i& o" P  `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。
* J+ ^. J7 m% z/ A! F2 M% \- C! l
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。
/ P$ N% D3 \+ J- {, X
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。

+ i6 G$ B  k, m' j9 l2. 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。
& h' T1 v+ e. F
% p% M" n- z7 p. y* R! JDecision Tree的优点：
$ C' S% E( a- \& e2 P◆ 决策树容易理解和解释
; P2 s: ~% _$ L" t8 i5 N◆ 资料分类不需要太多的计算
1 Q. U0 B1 e4 J+ |) S8 C$ b+ {◆ 可以处理连续值和离散值
1 }; T. L  {4 p; q6 T8 y◆ 资料准备相对比较容易
2 h* W% V' d( a5 h6 s3 O- u, r(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)
* z( h& M! |. E% H" L◆ 若类别太多，但资料量太少，效果比较差

四、随机森林(Random Forest)
' L5 A' \1 |5 C8 r' t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。

3 U5 d7 l, G' J( ]2 U  p! xRandom 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
◆ 每棵树会用到的资料和特征是随机决定的
8 ?: w# X6 o5 [; d) u/ Y) E◆ 训练或预测时每棵树都能平行化的运行
3 X5 n  R" l: d8 F3 K2 ?! Y
- o6 e; V, o6 O, C' L/ m3 B! |: mRandom Forest的缺点： **
**◆ 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)
% f; V; X4 s$ T* S7 W7 ?0 N7 X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。

! w4 a, [. }5 Y& u4 |XGBoost的两个主要概念：
6 F! t9 B$ r7 H0 F& W+ H' Y
, k2 n, B$ c$ k- P' w& H9 N' X1. 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
1 [8 ?8 V/ O# l1 D1 Z+ q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：
. M# R; A+ }( U) c1 u* qRandom 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。
* G7 B$ k3 i* O  {7 _4 ?( y4 \# z
Random Forest and XGBoost Difference (Reference: 參考文章3)

" C6 N9 ]/ C( F4 d) gXGBoost的优点：
2 r& V' ?5 A5 q6 O5 d- W◆ 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
/ g2 A; @2 Q1 t% D
) \7 }& |# P. n. x4 ^1 N6 H: cXGBoost的缺点： **
1 w; c9 w1 M0 U**◆ 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
" x% _, V7 R* s) y5 ]) ]3 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。
. M9 [# F5 }* t2 y1 B原文链接：https://blog.csdn.net/wuxiaopengnihao1/article/details/126686410

; e3 m7 j/ v5 f1 X( k& K
# |0 C7 r% F0 N' Z: c2 n