本文主要是介绍集成学习的知识整理，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

集成学习

• 集成学习
  • 思维图
  • 方法种类
  • 集成方法原理
    • 误差和方差
    • 原理
  • 可选取的基分类器
• 集成学习例子
  • Boosting算法代表
    • GBDT：梯度提升决策树
    • Adaboost：基于错误率的提升方法
  • Bagging算法代表
    • 随机森林
• XGBoost库
  • 参考

思维图

什么是集成学习？集成学习：通过某种策略来组合多个弱学习器来学习任务。

因此，我们就需要考虑以下几个问题：

1. 选取什么弱学习器？
2. 什么策略？

方法种类

集成学习最有代表性的两种boosting（结构：串行）和bagging（结构：并行）.

集成方法原理

误差和方差

在机器学习的领域，我们评价一个模型是否能解决特定的问题可以有两个角度：定性和定量

1. 定性：过拟合、欠拟合；

2. 有监督学习的定量：偏差、方差，从 “泛化误差=偏差+方差“ 来理解集成学习；

那什么是偏差，什么是方差？

偏差：输出平均值与真实值的偏差，偏差高表示欠拟合，原因通常是先验假设是错误的

方差：用n个m样本训练n个模型，所以对同一个样本有n个输出值，方差大表示过拟合，原因通常是由于模型复杂度过高，把m个样本都记住了，导致泛化能力有点弱，没有学到真正的特征，只是针对了不同的训练集进行了记忆性学习。

原理

Bagging降低方差，Boosting降低偏差。

Bagging，再抽样，然后每个样本上训练出来的模型取平均，方差减小到原来的\(\frac{1}{n}\).
前提是n个随机变量完全独立，但n个模型之间不可能完全独立，解决办法：随机森林随机选取属性子集、训练集重采样

Boosting，串行结构，上一个弱分类器的错误或者残差作为下一个弱分类器的输入，本身在不断减小损失函数，因此偏差变小，但因为弱分类器之间是强相关的，因此不会对降低方差有任何作用。

可选取的基分类器

1. 决策树

2. 神经网络

选取的原因：
”不稳定学习器“更适合，“不稳定”就是数据样本的扰动对于学习器影响较大，因此引入了随机性。

决策树因为不仅具备”不稳定性“，而且将样本的权重整合到训练过程同时，节点分裂的过程中，随机选取特征子集。因此决策树是最常用的基分类器。

集成学习例子

Boosting算法代表

GBDT：梯度提升决策树

这个算法是基于决策树预测的残差进行迭代学习。常用的决策树为CART。

组合策略：把所有树的预测值加起来，得到最终的预测结果。

为啥使用梯度提升？梯度提升算法原理？

优缺点：

Adaboost：基于错误率的提升方法

训练方式：对分类正确的样本降低权重，对分类错误的样本升高权重或者保持权重不变。

组合策略：加权投票，错误率高的基分类器，权重为负，错误率低的基分类器，权重为正。

因此错误率的计算方式会成为一个问题：

Bagging算法代表

随机森林

XGBoost库

这是一个实现了GBDT算法的开源机器学习项目库GitHub项目地址。

相比GBDT，加强的地方：

1. GBDT的实现与拓展改进的项目
2. 显式加入正则项来控制模型复杂度
3. 同时使用一阶和二阶导数信息
4. 支持多种类型基分类器，包括线性分类器
5. 支持对数据的采样
6. 自动学习出缺失值的处理策略

转载联系邮箱：liangfychn@163.com

参考

[1] 诸葛越. 白面机器学习. 人民邮电出版社, 2018.

[2] Tianqi Chen and Carlos Guestrin. XGBoost: A Scalable Tree Boosting System. In SIGKDD, 2016

这篇关于集成学习的知识整理的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！