Python机器学习-多元分类的5种模型

杨利霞

" R' W6 u3 Y- t/ R/ GPython机器学习-多元分类的5种模型

, P: E4 D4 Z; V( j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！

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」。

$ s- R8 m+ Y' n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)。
7 [# F; h5 _+ X1 @
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)。

这篇文章会以监督式学习中的分类模型为主。

5 {9 y: z5 E5 r3 l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%。

/ c5 p* l* h5 \7 L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。
" W" f7 h5 N3 ^' P) J2 l
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。
8 c, _& a& H  }1 }2 s  q) [8 y
One versus Rest Example (Source from Internet)

5 F: r9 B% v: w' o1 A- O2 t9 o. @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。
- r2 w4 r* j9 n2 g, g& p
9 [/ h: x/ B& m0 W# s% Y: C; y( uOne versus One Example (Source from Internet)
6 r  A* B$ G8 @2 c
3 u3 ?! Q: |7 Q. ]6 E" `Logistic Regression的优点：
◆ 资料线性可分(包含在高维度空间找到linear plane)
, _) Z0 D2 B* }1 J# Z◆ 除了分类，也可以得到A/B两类的机率
◆ 执行速度较快
, H, e8 X* {/ _+ Y
Logistic Regression的缺点：
◆ 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
1 x6 y% L  j8 F; n
二、 支持向量机( 支持向量机，SVM）
/ I+ Z" ~  I! s" B+ r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)。

$ o  R6 g  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。

! z) _5 J1 }# V) c7 SSupport Vector Machine Example (Source from Internet)
2 g8 h( i! N$ V
SVM的优点：
" o( |# O  E/ M  C8 d, a◆ 切出来的线或平面很漂亮，拥有最大边界距离(margin)
: r% {  }- ~7 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
7 f0 {2 s8 E2 i; |/ n6 b8 O
, W$ x. S% ^2 j3 uSVM的缺点：
◆ 当资料太多时，所需的训练时间太长，而使效果不佳
9 j  p- I* M* E- O/ o◆ 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

三、决策树(Decision Tree)
8 W8 U! f+ u3 }. X+ \6 @" ?/ K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。
- S/ {- h9 c- ?5 {/ a
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。
- [# D0 n6 ]* x5 {' b. Y$ _
% G4 `: T6 h+ @5 y* Q1. 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。
1 l  x7 @" C+ I4 r" C
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。
4 {) e! X2 h, H8 e- S# J' u+ x
Decision Tree的优点：
3 a: [$ w& P' c7 M◆ 决策树容易理解和解释
' H% C, w5 @6 F◆ 资料分类不需要太多的计算
◆ 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

9 B  m+ U0 H. J+ ADecision Tree的缺点： **
- o: K3 a$ F, c8 T6 {; M**◆ 容易过度拟合(Over-fitting)
+ E# F- @  S) D. h% t6 X◆ 若类别太多，但资料量太少，效果比较差
# d/ }. s# d  [% r4 I  [* H
2 _' z1 |& V$ c1 b* h# `! Y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。
2 p6 A" ]( x  k8 @0 w2 p) G; U7 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。
3 V' g+ b" @: k0 W! O, r% l
Random Forest Example (Source from Internet)
4 b+ T  U, h0 E" f; [
5 {' V1 @) s9 Y  t3 C1 O' aRandom Forest的优点：
; D% V9 k, |, s6 t◆ 随机森林的决策树够多，分类器就不会过拟合
+ b1 C! A* _6 |2 O- \6 }0 k* x◆ 每棵树会用到的资料和特征是随机决定的
0 u( w3 t3 k) z" K◆ 训练或预测时每棵树都能平行化的运行

4 V7 b6 V2 r4 `; E4 aRandom 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)
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。

XGBoost的两个主要概念：
0 {, Q& Y3 j0 K& U- k
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。
' G+ i& c& Z2 X( n8 {
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」。

1 `6 [$ X9 A+ `9 `) J9 D2 |7 QRandom Forest 和XGBoost 差异如下图例：
# N) T( {- }# L4 hRandom 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。

* L1 j% `! h5 S5 r( WRandom Forest and XGBoost Difference (Reference: 參考文章3)
# F8 d, w' [0 `3 K8 q( N
XGBoost的优点：
8 l% K+ f  o% b6 z◆ 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
" a5 x2 l0 a/ z1 d4 ~& c" C
$ h+ p; e' a+ H. L8 L5 zXGBoost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
————————————————
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
# W7 Y" g" K: P# x' k/ H5 M) a