Python机器学习-多元分类的5种模型

杨利霞

$ B7 i: q5 A; F4 CPython机器学习-多元分类的5种模型
3 o! c4 d0 a, |7 T& n
, j  f) \  \: c" c6 P: `3 _$ W1 X6 g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！
  }$ S1 l6 Y" H: T: y/ T, U/ @( B
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」。

6 ]" J: M2 U% \1 G2 P5 F2 H) i" \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)。
5 Q% R  @1 t" N! {8 x3 m# ^
! D7 `8 w9 G8 Y0 T3 J3 ~3 ?这篇文章会以监督式学习中的分类模型为主。
; L7 z0 g: x# ?8 D% ], E( V
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%。
2 E" l8 D6 o- ?! m+ 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。
6 N# Z+ m, `. A! g2 |; F' q- s
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。

; r* T1 e  t3 K/ S' ]0 POne versus Rest Example (Source from Internet)
3 w8 j/ d( i6 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。

7 w9 d) m: j, j  r& cOne versus One Example (Source from Internet)

Logistic Regression的优点：
◆ 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
) G' b& m% q# x7 @  n
Logistic Regression的缺点：
◆ 线性回归线的切法可能不够漂亮
1 _0 I+ v8 X' t) i5 r4 A' J4 V◆ 不能很好地处理大量、多类特征

! q  J  l( K+ B1 r' o, R7 c3 q; d二、 支持向量机( 支持向量机，SVM）
& E' n6 s' i: _. R2 X4 t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)。
* @/ @* q+ \$ a1 y/ L
6 u6 L) E- i+ ?3 Y8 }& G" n$ uSVM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。
4 c. t( Z) w3 W9 k
; G+ a: h! n. N; _Support Vector Machine Example (Source from Internet)

% q# A" {! [. A5 p+ nSVM的优点：
3 j! _5 o# n% \- W◆ 切出来的线或平面很漂亮，拥有最大边界距离(margin)
/ F' O5 Y& [5 k# ]5 Q! @# b' G◆ 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
4 s7 [2 U/ O( y9 B
SVM的缺点：
2 l, v& `/ S8 @. l7 `- y◆ 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
, E8 A% C2 M4 P8 x( |/ f2 {3 \9 l# n◆ SVM不会直接提供机率的估计值
) |$ w; A- D3 ^: E( _  S- F1 e/ a
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。
6 ], G+ C# s# o+ W% `) E7 V9 [
* }; |: E) e0 [# w8 s8 N2. 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。
; N* C+ x  i7 ~/ G7 s* j, t
/ R1 C/ X+ K; |% L  t4 n  _( XDecision 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
8 f4 `7 @0 x: I◆ 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)
◆ 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
7 @7 G0 Z% u; Z: V1 k
- P' w& o: |+ N' iDecision 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
8 K; v  x# _5 E! _% g
6 y& @% \+ J+ g/ `6 t四、随机森林(Random Forest)
( h7 K' Q9 _2 a- E* L+ J4 Z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。
  ~# }+ F# h/ Y; V9 |
; C1 L; a/ {& G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。
) h6 e9 i5 S* x0 A7 P' \8 x& S
; ]; \  x) \- l/ w* u5 e0 pRandom Forest Example (Source from Internet)
8 n% k1 H% Z0 P
Random Forest的优点：
8 Y2 l& m& Y% L3 I& Z. g◆ 随机森林的决策树够多，分类器就不会过拟合
0 l% x/ e  |7 D# p/ c◆ 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
) Z9 \& r, ^) E+ N; ^4 ~) Q
6 l" M* g* @. i8 l3 FRandom Forest的缺点： **
1 p6 Y5 j) W1 e" M**◆ 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
# z8 T- @8 N* p& G8 _
8 M9 k% ]+ ^' b  J, h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。
4 Q* C" x; b0 h
- o! M& s  M3 O; g: |$ q/ s$ oXGBoost的两个主要概念：
4 Y, |3 }% [  U, t+ g8 j) L7 b, v
$ a7 A& z1 t4 b6 F0 p9 g1. 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 d. w6 Q/ ^9 o8 W3 M: k: n- ^! k2. 梯度提升
- C8 [, ]: ?7 Q3 l) o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：
, d9 G$ z4 m" 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。
, j+ _+ I# C" ?7 l2 B0 v
5 g- |7 a+ j  }" s" ARandom Forest and XGBoost Difference (Reference: 參考文章3)

1 K1 m/ W+ g& X/ v7 x3 XXGBoost的优点：
. T, Z- M7 w+ V" i% ?◆ 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
( o$ G8 S+ ?) H◆ 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
( b6 J5 u* o7 c/ N8 G* Y% p
XGBoost的缺点： **
& \- C/ k8 u8 U) l* p**◆ 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
3 m' ^; T% b2 d4 k5 m+ {————————————————
$ w& S5 @8 l# N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

6 t. I: Z/ K; f3 w/ m: m; F