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
% W& ]+ v# M, A: H
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！

0 z7 D8 v% N' k) I+ ~$ `' N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)。

- L: |, t3 a8 a1 L. C+ Z8 V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)。
3 i) Q0 t+ z8 q1 \8 K/ Z  d+ g1 d
这篇文章会以监督式学习中的分类模型为主。
, h1 X  F0 g6 U5 ^2 O) V  A
* s; k! V( E4 v) \: ]$ a一、逻辑回归(Logistic Regression)
) H; V: `8 Y9 s8 `# S* k/ }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%。

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 i+ q4 e* Q: `2 ~" i# G若需处理多元分类问题，有两种方法：
. s% }7 a8 I) h, |9 Z+ ^$ W9 T$ v1. 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。
$ T! O, Z$ ]" a1 }
* k8 n6 f" B: m5 @$ n) p+ `One versus Rest Example (Source from Internet)
2 I/ y& ]2 h" }1 o$ Z
3 ~" [+ e* H; ]# h" h* p2. 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。

; |9 _4 }3 y' o  v& @( r: wOne 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)
- U/ ^: T+ |5 u◆ 除了分类，也可以得到A/B两类的机率
◆ 执行速度较快

* w, l/ f& r2 H. s1 a# ?Logistic Regression的缺点：
% `  o: f- Y3 z5 N" d2 Y◆ 线性回归线的切法可能不够漂亮
0 s, S( p; z0 b" E1 C◆ 不能很好地处理大量、多类特征
% }4 ?" x! k; ?/ Y
8 Q2 R' q' B0 z7 `0 l6 F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)。
3 O2 W3 p  v6 w* x7 S+ @  `+ d
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。
* ^- U8 D, F& t" C8 k! u
+ \; g1 U3 Q# e1 W# _5 [5 z% A4 X: {Support Vector Machine Example (Source from Internet)
% ~1 a* a% Y/ N) v- M3 F1 v
7 {3 E) n: x6 [! U1 d) _% e' WSVM的优点：
◆ 切出来的线或平面很漂亮，拥有最大边界距离(margin)
; j' K- l0 u3 p# y# S: o( n◆ 在高维空间可以使用(即使维度数大于样本数也有效)
! U4 ?' x6 s, k" o2 W+ h  z: }◆ 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

" y5 @* l5 X# d" V! pSVM的缺点：
3 Z5 |/ k0 H0 L3 I% n) m' c2 s◆ 当资料太多时，所需的训练时间太长，而使效果不佳
5 z3 T, j, d( A' B! C& \◆ 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
◆ SVM不会直接提供机率的估计值
; [& N$ a( W# e" P
" g  x0 z3 r) d2 v) W$ l' q" b8 u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。
3 U% P2 t8 ^0 ]+ M6 X. H9 x4 ?6 j/ r
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。

; e. n4 {5 ~3 d/ 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。

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。

5 u0 [+ f& x$ @+ R9 X1 Y! t, SDecision Tree的优点：
◆ 决策树容易理解和解释
  K7 f8 O8 p, z+ u* h, Q8 a◆ 资料分类不需要太多的计算
) j( M6 t9 Y6 I* r, D0 Z. I  C◆ 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)
: ~" I# F3 k  G5 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

Decision 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

2 X8 l$ n' z+ e4 j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。

. Z1 l" M5 W7 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。
7 {7 w7 z; P- J+ N& L3 d4 ^4 q
. n6 ]: w# K7 H8 [- j& K& IRandom Forest Example (Source from Internet)

% s! t) l6 b# }2 |* RRandom 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
0 J8 M' y& K. _0 a* X5 }: u
Random Forest的缺点： **
. |: O5 {. r. y( t8 ^) \" p**◆ 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
% W1 [' g- _8 x9 u
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。
; O9 B& S9 v9 q5 e2 T1 Y
6 r6 X9 `8 t( L7 q" y. PXGBoost的两个主要概念：
% P/ z' x/ C8 T, c7 C: @
1. 回归树(Classification and Regression Tree, CART)
2 p( L2 m- Y5 N. `, e' K) b4 N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。
% g4 k9 l' r: B4 e) e
# m7 {- A) g- J! B% I2. 梯度提升
% J$ e; A' R- V4 _$ c( z( i* w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：
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。

1 \5 e# ]) P( z: _" i3 CRandom Forest and XGBoost Difference (Reference: 參考文章3)
6 c  o. M7 \( u1 r/ G5 G8 U
XGBoost的优点：
; X9 D  i5 |( C: \◆ 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
' n8 [) s6 ~/ |9 E◆ 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
8 r1 |4 w" O5 U7 U; {- l( c6 B) j* j
1 {/ }; s, h! H2 h. Y1 l6 fXGBoost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
1 W3 ~* l+ v3 s: ^3 o1 Z2 @0 j4 @" d: \————————————————
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
5 ^! t# l, G1 z# V8 I  R