Python机器学习-多元分类的5种模型

杨利霞

! }  m! p4 m: t+ E. WPython机器学习-多元分类的5种模型
3 x0 u3 B" h" i$ O
: m% u5 |, ^$ x: G6 X9 R% x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！
$ v- \: r2 V( L
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」。
7 R* z4 i- R- E- l" 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)。
# P; t1 h- F5 v0 B9 O( d
) P/ l! P) H9 L. [6 l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)。
" Y- a: \7 b. [/ D
这篇文章会以监督式学习中的分类模型为主。
: k/ f; t/ t& j* s$ I
4 W- ~) c. n- y+ r( M" X8 E一、逻辑回归(Logistic Regression)
: P; u( O! E# L1 V/ p; v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%。
/ Y! }! M  J5 M, h* Y5 Y
0 J+ ^" f: q( u3 W6 }. W1 I3 D, q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。

# @+ e% _, U  w! ], {1 T; x3 @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。

1 C  O: J: P) z$ C0 wOne versus Rest Example (Source from Internet)

/ A9 q* d3 y" T4 G' q4 d8 O2. 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。

One versus One Example (Source from Internet)

Logistic Regression的优点：
5 D. v' ]8 b3 f& O9 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
( Y0 f& h( ?' j$ c9 B; D2 m◆ 执行速度较快
* Q2 O- ]3 S! j  |  U. j& p
8 T5 s  G9 s* r2 U: T, ]Logistic Regression的缺点：
) d9 z5 I0 {) Z◆ 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
0 t& x% \7 _6 V
+ N6 H" d7 ?% ?- ^3 ]6 N% u2 T二、 支持向量机( 支持向量机，SVM）
( L2 h5 U7 @7 p* \0 s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)。
: }" C7 S" ^( }" l7 s
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。

Support Vector Machine Example (Source from Internet)
, d. K1 G* G& c. d
  q6 }) n' c' y) X# HSVM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)
% w* n2 g9 |. M4 M1 |7 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
/ [, V# s. \/ l% N6 |
SVM的缺点：
& S$ t7 @" M0 P4 @' X/ `% H/ t◆ 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
0 ?/ d, m  z1 _& t◆ SVM不会直接提供机率的估计值

三、决策树(Decision Tree)
6 {- F2 U9 `' @7 W* I0 _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。

. I9 S* v: W/ y$ U. s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。

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。

Decision Tree的优点：
( s* v/ [6 H+ N  S◆ 决策树容易理解和解释
* H( @  E" M$ R: a◆ 资料分类不需要太多的计算
0 N' `9 C2 `! ?◆ 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)
; g' u( t$ T% q/ o; M1 l+ h) h◆ 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
/ n9 T# Q  w- a' `( `1 ]
Decision Tree的缺点： **
8 R8 L( R2 T" {/ e9 n/ H**◆ 容易过度拟合(Over-fitting)
: n4 I: K; j: T" k  X" I◆ 若类别太多，但资料量太少，效果比较差
9 I6 N$ F; ^; ?+ y
! y$ O4 u: p* X4 L0 l6 q/ r: m" I% f7 w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。
! b* S6 X$ W3 F( w' N% D) m
; f" f1 `1 g7 c3 ^6 N1 o% f2 HRandom Forest Example (Source from Internet)

Random Forest的优点：
! X7 J" a  `2 t! Q◆ 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

Random Forest的缺点： **
4 [! I# E" \" x3 Q9 l**◆ 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
% L( z; y. O6 J0 d
5 y# U, e+ k- ~. E五、极限梯度提升(eXtreme Gradient Boosting, XGBoost)
6 B' b* I1 s2 {6 ~# U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。
8 ?. b. O! e- K/ E3 o* y) V
% T% b2 m4 A- lXGBoost的两个主要概念：

7 v! [* z# Z3 A1. 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。
: J1 H0 X+ \) D) u
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」。

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 T) g# k. [0 P3 O1 S2 ~Random Forest and XGBoost Difference (Reference: 參考文章3)

: G3 c! s4 O# X2 }+ ?; Z6 dXGBoost的优点：
◆ 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

6 K6 o, k: e3 K- Z$ dXGBoost的缺点： **
! T' O/ o; x5 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
% o, {; L1 D3 R; ^0 S4 ^3 Q5 [————————————————
7 i+ P0 @! z4 Z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。
! V$ C4 O9 X9 `5 j2 t- I( V; \原文链接：https://blog.csdn.net/wuxiaopengnihao1/article/details/126686410

+ u# S% A  B; ?$ G