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

* S5 {$ @: C& y! L; J, 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！
& X7 t$ a8 I$ y0 i5 Y' o+ @
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」。

% B3 ]% M9 u. }6 {: l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)。
+ d) W6 u5 P  _! I
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  P  p9 U5 v2 \8 x这篇文章会以监督式学习中的分类模型为主。
9 _- v" d" w5 u' `, C/ G: B6 p- 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%。
3 M# U1 r$ x) K
$ e2 m, [1 |8 p5 v: ~& T! K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。

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。

One versus Rest Example (Source from Internet)

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。
5 D* n) X, N/ |; D0 o
One versus One Example (Source from Internet)
+ a/ L% P7 f/ ]% }( [( Q
; G' F' `: ?- H# W7 O: i/ P$ pLogistic 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
: @- j3 [& r) _4 P1 U5 M" c. }" F
Logistic Regression的缺点：
◆ 线性回归线的切法可能不够漂亮
! n0 E7 l; V7 [( J+ r, T/ c◆ 不能很好地处理大量、多类特征

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)。

! C) P& h5 ?+ V: |2 {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)

0 F  w' s0 N: Z, ^, ~! m9 H1 tSVM的优点：
, a1 Y9 ^& I# `; c4 b. ~( r◆ 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)
◆ 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

6 B) n6 B0 q- j, h" GSVM的缺点：
1 ?4 A6 O" ?0 Z. ?6 z◆ 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
◆ SVM不会直接提供机率的估计值
% @, ?, L( S7 p8 V
2 \; R- t$ G! C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 t% D9 |  j8 c0 S' O. S/ 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。

4 ]" G! Q- ?5 X+ q: _9 C4 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。

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。
+ ~/ U5 K$ @! c3 C5 _
) L* i$ M) C% q9 {9 Q$ g6 Q* j0 s- jDecision Tree的优点：
+ R8 q% t0 K, g/ Z: _  k◆ 决策树容易理解和解释
: h# _; B7 F2 w% C0 e8 d◆ 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)
/ C0 q$ i( {4 i5 }◆ 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

. R$ f* Z$ s. |0 D0 q% \Decision Tree的缺点： **
**◆ 容易过度拟合(Over-fitting)
1 u6 {9 n( o' U) R◆ 若类别太多，但资料量太少，效果比较差
6 e6 R8 G$ E; k
+ p: `0 A' U7 O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。
' k' n! n! o0 V  |9 ?5 r* q
Random Forest Example (Source from Internet)

8 z9 v0 Z- D% u  z/ W" `# CRandom 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
8 K" c9 m0 Q" W. {( j! _. T: w1 F◆ 训练或预测时每棵树都能平行化的运行
  U; B: s! c6 b9 K( ~* I% t- f
- d+ x5 }2 m- URandom Forest的缺点： **
1 f4 A8 m# S6 C**◆ 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)
3 H, n4 }- z+ h. n& S) R4 d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。
2 p: ~  i+ O' @6 q/ e' [& G
6 }6 g$ g9 U2 [0 t* K3 o9 fXGBoost的两个主要概念：

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。
! Y" ?9 G9 L: B' P, E
2 C0 [, Y$ _* Q2 k2. 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」。
( d- j$ B) `0 S. f) B
/ B" l( h6 k# Z( `+ SRandom Forest 和XGBoost 差异如下图例：
2 o' y) q: h, ?: _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。
( V- Z' k. e2 n1 ]( o  \( M
Random Forest and XGBoost Difference (Reference: 參考文章3)

XGBoost的优点：
9 j! T; S3 H+ Y  R◆ 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
6 Z0 w7 M9 P' i, T◆ 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
( ?5 X3 Y, c( E( O6 k* M9 x- N
XGBoost的缺点： **
9 V6 ?# O$ l0 T9 Q; H$ Z: v0 R**◆ 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
9 Q  U' n. K4 D& `4 d' V
( O/ ], J& o8 f- e! Q/ q1 V% q
: F" l$ Z/ B8 Y: e