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

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！
, Q$ J( h& M. K  M+ k% r
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」。
* W- p/ O$ c1 S! m  P
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)。
# j% o1 n& g% m1 m2 l, a/ H0 _
$ n5 e+ M% m* i1 b, u这篇文章会以监督式学习中的分类模型为主。
% _- ]: E9 W. e7 H. C7 H
一、逻辑回归(Logistic Regression)
" E" p5 ^7 ^5 H' z# R6 e5 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。
3 t" H8 i+ _/ ]" O/ k* o4 |
若需处理多元分类问题，有两种方法：
1 A' ]) a* K# J, I! S5 Q1. 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。
: X8 B! R' u: p' m9 ?
9 [. o5 U' p* V. \7 K8 i2 SOne versus Rest Example (Source from Internet)
5 r4 c; Y4 @  m8 h
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。

One versus One Example (Source from Internet)

Logistic Regression的优点：
5 V* B4 B  G4 ^+ c7 O# {& h7 Z◆ 资料线性可分(包含在高维度空间找到linear plane)
) B8 F1 T  t+ [, O0 \: C* b◆ 除了分类，也可以得到A/B两类的机率
( H9 U6 w8 v( @& w4 k◆ 执行速度较快

4 I5 ^- B$ G. bLogistic Regression的缺点：
3 a9 P: M, a4 |% u4 D. Q! b" ~- Y◆ 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

, @4 v3 s* X. B; X8 Y  c二、 支持向量机( 支持向量机，SVM）
. ?+ M: y# m2 G" u6 H# Z: 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)。
! J5 H- X. G' t. S& v7 x0 w
" x7 l7 N6 v4 m+ S# |+ KSVM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。

: }5 @, L9 p$ p; o& MSupport Vector Machine Example (Source from Internet)

- C8 i9 ~) k! b, k, P( I  l' V" }: ZSVM的优点：
. ?' ]8 W$ E8 N1 v◆ 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)
) E! \* z2 B. Q3 j' n8 b◆ 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

SVM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 ~  x9 b: I; P4 [# b: z4 j/ e9 L◆ 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
; d, w/ y# E7 z4 J4 {
( }0 m' v( v+ }三、决策树(Decision Tree)
& B8 d: B, n" S& A  N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。
- Q$ l; `( ]$ b9 q9 _9 q% k
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。

5 t$ M' O' X6 L' h' V  {; d4 K1. 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。
  h( I7 g( c; h( e
* m1 j  Q: O- q+ LDecision 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
◆ 可以处理连续值和离散值
: ]. P- ?! T2 S: i: L5 |1 b8 V◆ 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
  `2 c5 e( ~) i. \  Y
8 C; L1 d% N) [3 |. C: f7 _Decision Tree的缺点： **
1 J' T, n0 w. b( \**◆ 容易过度拟合(Over-fitting)
! S! a( [& H* @◆ 若类别太多，但资料量太少，效果比较差

  \: M# Y- m/ R4 N四、随机森林(Random Forest)
5 v, t4 P# Z6 }. o. N7 l4 g, 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。
, _: q( Q, j7 A; n) a# A
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。

Random Forest Example (Source from Internet)

Random Forest的优点：
' q9 y% d- H0 C" O3 S0 N  o◆ 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
+ q& H1 p# `' M0 G+ D+ w! @4 w: R
Random Forest的缺点： **
2 t; F, v7 ?, Z**◆ 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
. R! g  c$ T( n3 V
+ {# g- S  s  T" r, q; I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。
6 ?( H% z0 X/ N8 b4 c# T& q
  s# ^; c# `* y  XXGBoost的两个主要概念：

1. 回归树(Classification and Regression Tree, CART)
# e$ v- M' Q1 m( J1 X0 q7 q! f- t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。
6 j# V$ k1 P/ T! C5 Q
4 m7 }& y" f, {  t2 g! `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」。
2 m* ~! F* b) p' w, q
Random Forest 和XGBoost 差异如下图例：
2 V+ t# a$ g& F7 g/ }. ^4 z( ~0 [- ^/ A% ~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。

Random Forest and XGBoost Difference (Reference: 參考文章3)

: x. l- l/ X2 x. m1 u, aXGBoost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
, b3 w7 b: h& h3 `◆ 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
% s* v1 P! K4 ]1 }" R
XGBoost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
* I1 q5 g0 `9 h) ], W1 L5 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。
  b2 a. U3 W3 J2 Z; u8 u7 j' _原文链接：https://blog.csdn.net/wuxiaopengnihao1/article/details/126686410

. t$ _2 w5 h9 L. S) R: T" O