Scikit Learn 提升方法
在本章中,我们将了解 Sklearn 中的 boosting 方法,它可以构建集成模型。
Boosting 方法以增量方式构建集成模型,主要原理是通过依次训练每个基础模型估计器来逐步构建模型。
为了构建强大的集成,这些方法基本上结合了几个星期的学习者,这些学习者在训练数据的多次迭代中顺序训练。
sklearn.ensemble 模块有以下两种提升方法。
AdaBoost
它是最成功的 boosting 集成方法之一,其主要关键在于它们为数据集中的实例赋予权重的方式,这就是为什么算法在构建后续模型时需要较少关注实例的原因。
使用 AdaBoost 进行分类
为了创建 AdaBoost 分类器,Scikit-learn 模块提供sklearn.ensemble.AdaBoostClassifier。在构建这个分类器时,这个模块使用的主要参数是base_estimator。
这里,base_estimator是基础估计器的值,提升后的集合就是由它建立的。如果我们把这个参数的值选择为none,那么基础估计器就是DecisionTreeClassifier(max_depth=1)。
示例
在下面的例子中,我们通过使用sklearn.ensemble.AdaBoostClassifier建立一个AdaBoost分类器,同时预测并检查其得分。
from sklearn.ensemble import AdaBoostClassifier from sklearn.datasets import make_classification X, y = make_classification(n_samples = 1000, n_features = 10,n_informative = 2, n_redundant = 0,random_state = 0, shuffle = False) ADBclf = AdaBoostClassifier(n_estimators = 100, random_state = 0) ADBclf.fit(X, y)
AdaBoostClassifier(algorithm = 'SAMME.R', base_estimator = None, learning_rate = 1.0, n_estimators = 100, random_state = 0)
拟合后,我们可以预测新值如下:
print(ADBclf.predict([[0, 2, 3, 0, 1, 1, 1, 1, 2, 2]]))
[1]
现在我们可以查看分数如下:
ADBclf.score(X, y)
0.995
我们还可以使用 sklearn 数据集使用 Extra-Tree 方法构建分类器。例如,在下面给出的示例中,我们使用的是 Pima-Indian 数据集。
from pandas import read_csv from sklearn.model_selection import KFold from sklearn.model_selection import cross_val_score from sklearn.ensemble import AdaBoostClassifier path = r"C:\pima-indians-diabetes.csv" headernames = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] data = read_csv(path, names = headernames) array = data.values X = array[:,0:8] Y = array[:,8] seed = 5 kfold = KFold(n_splits = 10, random_state = seed) num_trees = 100 max_features = 5 ADBclf = AdaBoostClassifier(n_estimators = num_trees, max_features = max_features) results = cross_val_score(ADBclf, X, Y, cv = kfold) print(results.mean())
0.7851435406698566
使用 AdaBoost 进行回归
为了用Ada Boost方法创建一个回归器,Scikit-learn库提供了sklearn.ensemble.AdaBoostRegressor。在建立回归器时,它将使用与sklearn.ensemble.AdaBoostClassifier相同的参数。
示例
在下面的例子中,我们通过使用sklearn.ensemble.AdaBoostregressor建立一个AdaBoost回归器,并通过使用predict()方法对新值进行预测。
from sklearn.ensemble import AdaBoostRegressor from sklearn.datasets import make_regression X, y = make_regression(n_features = 10, n_informative = 2,random_state = 0, shuffle = False) ADBregr = RandomForestRegressor(random_state = 0,n_estimators = 100) ADBregr.fit(X, y)
AdaBoostRegressor(base_estimator = None, learning_rate = 1.0, loss = 'linear', n_estimators = 100, random_state = 0)
一旦拟合,我们可以从回归模型预测如下:
print(ADBregr.predict([[0, 2, 3, 0, 1, 1, 1, 1, 2, 2]]))
[85.50955817]
梯度树提升
它也被称为梯度提升回归树(GRBT),它基本上是对任意可分损失函数的提升的概括,它以一周预测模型集合的形式产生一个预测模型,它可以用于回归和分类问题,它们的主要优势在于它们能自然地处理混合类型的数据。
使用梯度树提升进行分类
为了创建一个梯度树提升分类器,Scikit-learn模块提供了sklearn.ensemble.GradientBoostingClassifier。在建立这个分类器时,该模块使用的主要参数是 "损失"。这里,'损失'是要优化的损失函数的值。如果我们选择损失=偏差,它指的是带有概率输出的分类的偏差。
另一方面,如果我们把这个参数的值选择为指数,那么它就恢复了AdaBoost算法,参数n_estimators将控制周学习者的数量,一个名为learning_rate的超参数(范围为(0.0, 1.0])将通过收缩来控制过拟合。
示例
在下面的例子中,我们通过使用sklearn.ensemble.GradientBoostingClassifier建立一个梯度提升分类器,我们正在用50个星期的学习者来拟合这个分类器:
from sklearn.datasets import make_hastie_10_2 from sklearn.ensemble import GradientBoostingClassifier X, y = make_hastie_10_2(random_state = 0) X_train, X_test = X[:5000], X[5000:] y_train, y_test = y[:5000], y[5000:] GDBclf = GradientBoostingClassifier(n_estimators = 50, learning_rate = 1.0,max_depth = 1, random_state = 0).fit(X_train, y_train) GDBclf.score(X_test, y_test)
0.8724285714285714
我们还可以使用 sklearn 数据集使用 Gradient Boosting Classifier 构建分类器。如下例所示,我们使用的是 Pima-Indian 数据集。
from pandas import read_csv from sklearn.model_selection import KFold from sklearn.model_selection import cross_val_score from sklearn.ensemble import GradientBoostingClassifier path = r"C:\pima-indians-diabetes.csv" headernames = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class'] data = read_csv(path, names = headernames) array = data.values X = array[:,0:8] Y = array[:,8] seed = 5 kfold = KFold(n_splits = 10, random_state = seed) num_trees = 100 max_features = 5 ADBclf = GradientBoostingClassifier(n_estimators = num_trees, max_features = max_features) results = cross_val_score(ADBclf, X, Y, cv = kfold) print(results.mean())
0.7946582356674234
梯度树提升的回归
为了使用梯度树增强方法创建回归器,Scikit-learn 库提供了sklearn.ensemble.GradientBoostingRegressor,它可以通过参数名称 loss 指定回归的损失函数。损失的默认值是“ls”。
示例
在下面的例子中,我们通过使用sklearn.ensemble.GradientBoostingregressor来构建一个梯度提升回归器,同时通过mean_squared_error()方法来寻找平均平方误差:
import numpy as np from sklearn.metrics import mean_squared_error from sklearn.datasets import make_friedman1 from sklearn.ensemble import GradientBoostingRegressor X, y = make_friedman1(n_samples = 2000, random_state = 0, noise = 1.0) X_train, X_test = X[:1000], X[1000:] y_train, y_test = y[:1000], y[1000:] GDBreg = GradientBoostingRegressor(n_estimators = 80, learning_rate=0.1, max_depth = 1, random_state = 0, loss = 'ls').fit(X_train, y_train)
拟合后,我们可以找到均方误差如下:
mean_squared_error(y_test, GDBreg.predict(X_test))
5.391246106657164