<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          【機器學(xué)習(xí)】集成模型方法

          共 21989字,需瀏覽 44分鐘

           ·

          2021-06-08 10:59


          作者 | Salma Elshahawy, MSc.

          編譯 | VK
          來源 | Towards Data Science



          介紹


          我們之前討論了一些利用機器學(xué)習(xí)(ML)模型預(yù)測能力的常用方法。這些方法主要通過將數(shù)據(jù)分解成特定的方案來提高模型的可推廣性。
          然而,有更先進(jìn)的方法來提高模型的性能,如集成算法。在這篇文章中,我們將討論和比較多種集成算法的性能。所以,讓我們開始吧!
          集成方法旨在將多個基估計器的預(yù)測組合起來,而不是單一估計器,從而利用模型的泛化和魯棒性。


          預(yù)備知識


          1. 我將使用托管在Kaggle上的UCIML公共存儲庫中的toy數(shù)據(jù)集(https://www.kaggle.com/uciml/pima-indians-diabetes-database);它有九列,包括目標(biāo)變量。如果你想使用,GitHub筆記本鏈接如下:https://github.com/salma71/blog_post/blob/master/Evaluate_ML_models_with_ensamble.ipynb。
          2. 在處理時,我使用kaggle api獲取數(shù)據(jù)集。如果你在Kaggle上沒有帳戶,只需下載數(shù)據(jù)集,并跳過筆記本中的這一部分。
          我獲取數(shù)據(jù)并將其下載到google colab,確保在運行它之前生成自己的令牌。
          1. 在構(gòu)建模型之前,我對數(shù)據(jù)集做了一些基本的預(yù)處理,比如插補缺失的數(shù)據(jù),以避免錯誤。
          2. 我創(chuàng)建了兩個單獨的筆記本,一個用來比較前三個集成模型。第二種方法是使用MLens庫實現(xiàn)堆疊集成。


          集成方法


          集成是建立各種模型的過程,然后將它們混合以產(chǎn)生更好的預(yù)測。與單個模型相比,集成能夠?qū)崿F(xiàn)更精確的預(yù)測。在ML比賽中,利用集成通常會帶來優(yōu)勢。你可以找到CrowdFlower winners的團(tuán)隊采訪,他們用集成贏得了比賽:https://medium.com/kaggle-blog/crowdflower-winners-interview-3rd-place-team-quartet-cead438f8918


          1.Bagging — Bootstrap聚合:


          Bootstrap聚合傾向于從不同的子樣本構(gòu)建多個模型(使用相同類型的算法),并從訓(xùn)練數(shù)據(jù)集中替換。
          Bagging是將多個好的模型集成在一起,以減少模型的方差。
          Bagging有三種類型的集成,如下所示:

          1.1Bagging決策樹

          Bagging在產(chǎn)生高方差預(yù)測的算法中表現(xiàn)最好。在下面的示例中,我們將在sklearn庫中開發(fā)BaggingClassifier和DecisionTreeClassifier的組合。
          請注意,由于隨機學(xué)習(xí)的性質(zhì),結(jié)果可能會有所不同!
          from sklearn.ensemble import BaggingClassifier

          tree = DecisionTreeClassifier()
          bagging_clf = BaggingClassifier(base_estimator=tree, n_estimators=1500, random_state=42)
          bagging_clf.fit(X_train, y_train)

          evaluate(bagging_clf, X_train, X_test, y_train, y_test)

          TRAINIG RESULTS: 
          ===============================
          CONFUSION MATRIX:
          [[350   0]
           [  0 187]]
          ACCURACY SCORE:
          1.0000
          CLASSIFICATION REPORT:
                         0      1  accuracy  macro avg  weighted avg
          precision    1.0    1.0       1.0        1.0           1.0
          recall       1.0    1.0       1.0        1.0           1.0
          f1-score     1.0    1.0       1.0        1.0           1.0
          support    350.0  187.0       1.0      537.0         537.0
          TESTING RESULTS: 
          ===============================
          CONFUSION MATRIX:
          [[126  24]
           [ 38  43]]
          ACCURACY SCORE:
          0.7316
          CLASSIFICATION REPORT:
                              0          1  accuracy   macro avg  weighted avg
          precision    0.768293   0.641791  0.731602    0.705042      0.723935
          recall       0.840000   0.530864  0.731602    0.685432      0.731602
          f1-score     0.802548   0.581081  0.731602    0.691814      0.724891
          support    150.000000  81.000000  0.731602  231.000000    231.000000

          1.2 隨機森林(RF)

          隨機森林(RF)是一種元估計器,它在多個子樣本上擬合不同的決策樹分類器,并估計其平均準(zhǔn)確率。
          子樣本大小是恒定的,但是如果bootstrap=True(默認(rèn)),樣本將被替換。
          現(xiàn)在,讓我們來嘗試一下隨機森林(RF)模型。RF的工作原理與bagged decision tree類類似;但是,它降低了單個分類器之間的相關(guān)性。RF只考慮每個分割特征的隨機子集,而不是采用貪婪的方法來選擇最佳分割點。
          from sklearn.ensemble import RandomForestClassifier

          rf_clf = RandomForestClassifier(random_state=42, n_estimators=1000)
          rf_clf.fit(X_train, y_train)
          evaluate(rf_clf, X_train, X_test, y_train, y_test)

          TRAINIG RESULTS: 
          ===============================
          CONFUSION MATRIX:
          [[350   0]
           [  0 187]]
          ACCURACY SCORE:
          1.0000
          CLASSIFICATION REPORT:
                         0      1  accuracy  macro avg  weighted avg
          precision    1.0    1.0       1.0        1.0           1.0
          recall       1.0    1.0       1.0        1.0           1.0
          f1-score     1.0    1.0       1.0        1.0           1.0
          support    350.0  187.0       1.0      537.0         537.0
          TESTING RESULTS: 
          ===============================
          CONFUSION MATRIX:
          [[127  23]
           [ 38  43]]
          ACCURACY SCORE:
          0.7359
          CLASSIFICATION REPORT:
                              0          1  accuracy   macro avg  weighted avg
          precision    0.769697   0.651515  0.735931    0.710606      0.728257
          recall       0.846667   0.530864  0.735931    0.688765      0.735931
          f1-score     0.806349   0.585034  0.735931    0.695692      0.728745
          support    150.000000  81.000000  0.735931  231.000000    231.000000

          1.3額外樹(Extra trees,ET)

          額外樹(ET)是對Bagging的一種改進(jìn)。ExtraTreesClassifier()是sklearn庫中的一個類,它創(chuàng)建一個元估計器來擬合不同子樣本的幾個隨機決策樹(又稱ET)。然后,ET計算子樣本之間的平均預(yù)測。這樣可以提高模型的準(zhǔn)確率并控制過擬合。
          from sklearn.ensemble import ExtraTreesClassifier

          ex_tree_clf = ExtraTreesClassifier(n_estimators=1000, max_features=7, random_state=42)
          ex_tree_clf.fit(X_train, y_train)
          evaluate(ex_tree_clf, X_train, X_test, y_train, y_test)

          TRAINIG RESULTS: 
          ===============================
          CONFUSION MATRIX:
          [[350   0]
           [  0 187]]
          ACCURACY SCORE:
          1.0000
          CLASSIFICATION REPORT:
                         0      1  accuracy  macro avg  weighted avg
          precision    1.0    1.0       1.0        1.0           1.0
          recall       1.0    1.0       1.0        1.0           1.0
          f1-score     1.0    1.0       1.0        1.0           1.0
          support    350.0  187.0       1.0      537.0         537.0
          TESTING RESULTS: 
          ===============================
          CONFUSION MATRIX:
          [[124  26]
           [ 32  49]]
          ACCURACY SCORE:
          0.7489
          CLASSIFICATION REPORT:
                              0          1  accuracy   macro avg  weighted avg
          precision    0.794872   0.653333  0.748918    0.724103      0.745241
          recall       0.826667   0.604938  0.748918    0.715802      0.748918
          f1-score     0.810458   0.628205  0.748918    0.719331      0.746551
          support    150.000000  81.000000  0.748918  231.000000    231.000000


          2. Boosting


          Boosting是另一種構(gòu)建多個模型(同樣來自同一類型)的技術(shù);但是,每個模型在模型序列中修復(fù)前一個模型的預(yù)測錯誤。Boosting主要用于平衡有監(jiān)督機器學(xué)習(xí)模型中的偏差和方差。Boosting是一種將弱學(xué)習(xí)者轉(zhuǎn)化為強學(xué)習(xí)者的算法。
          Boosting算法從弱估計器中建立了一個連續(xù)的基估計器,從而減小了組合估計器的偏差。

          2.1 AdaBoost(AD)

          AdaBoost(AD)通過分類特征來給數(shù)據(jù)集實例添加權(quán)重。這使得算法能夠在構(gòu)建后續(xù)模型時考慮這些特征。
          from sklearn.ensemble import AdaBoostClassifier

          ada_boost_clf = AdaBoostClassifier(n_estimators=30)
          ada_boost_clf.fit(X_train, y_train)
          evaluate(ada_boost_clf, X_train, X_test, y_train, y_test)

          TRAINIG RESULTS: 
          ===============================
          CONFUSION MATRIX:
          [[314  36]
           [ 49 138]]
          ACCURACY SCORE:
          0.8417
          CLASSIFICATION REPORT:
                              0           1  accuracy   macro avg  weighted avg
          precision    0.865014    0.793103  0.841713    0.829059  0.839972
          recall       0.897143    0.737968  0.841713    0.817555  0.841713
          f1-score     0.880785    0.764543  0.841713    0.822664  0.840306
          support    350.000000  187.000000  0.841713  537.000000  537.000000
          TESTING RESULTS: 
          ===============================
          CONFUSION MATRIX:
          [[129  21]
           [ 36  45]]
          ACCURACY SCORE:
          0.7532
          CLASSIFICATION REPORT:
                              0          1  accuracy   macro avg  weighted avg
          precision    0.781818   0.681818  0.753247    0.731818      0.746753
          recall       0.860000   0.555556  0.753247    0.707778      0.753247
          f1-score     0.819048   0.612245  0.753247    0.715646      0.746532
          support    150.000000  81.000000  0.753247  231.000000    231.000000

          2.2 隨機梯度增強(SGB)

          隨機梯度增強(SGB)是一種先進(jìn)的集成算法。在每次迭代中,SGB從訓(xùn)練集中隨機抽取一個子樣本(無需替換)。然后利用子樣本對基礎(chǔ)模型(學(xué)習(xí)者)進(jìn)行擬合,直到誤差趨于穩(wěn)定。
          from sklearn.ensemble import GradientBoostingClassifier

          grad_boost_clf = GradientBoostingClassifier(n_estimators=100, random_state=42)
          grad_boost_clf.fit(X_train, y_train)
          evaluate(grad_boost_clf, X_train, X_test, y_train, y_test)

          TRAINIG RESULTS: 
          ===============================
          CONFUSION MATRIX:
          [[339  11]
           [ 26 161]]
          ACCURACY SCORE:
          0.9311
          CLASSIFICATION REPORT:
                              0           1  accuracy   macro avg  weighted avg
          precision    0.928767    0.936047  0.931099    0.932407  0.931302
          recall       0.968571    0.860963  0.931099    0.914767  0.931099
          f1-score     0.948252    0.896936  0.931099    0.922594  0.930382
          support    350.000000  187.000000  0.931099  537.000000  537.000000
          TESTING RESULTS: 
          ===============================
          CONFUSION MATRIX:
          [[126  24]
           [ 37  44]]
          ACCURACY SCORE:
          0.7359
          CLASSIFICATION REPORT:
                              0          1  accuracy   macro avg  weighted avg
          precision    0.773006   0.647059  0.735931    0.710032      0.728843
          recall       0.840000   0.543210  0.735931    0.691605      0.735931
          f1-score     0.805112   0.590604  0.735931    0.697858      0.729895
          support    150.000000  81.000000  0.735931  231.000000    231.000000


          3.投票


          投票是一套同樣表現(xiàn)良好的模式,以平衡他們的弱點。投票采用三種方法進(jìn)行投票程序,硬、軟和加權(quán)。
          1. 硬投票-大多數(shù)的類標(biāo)簽預(yù)測。
          2. 軟投票-預(yù)測概率之和的argmax。
          3. 加權(quán)投票-預(yù)測概率加權(quán)和的argmax。
          投票很簡單,也很容易實現(xiàn)。首先,它從數(shù)據(jù)集中創(chuàng)建兩個獨立的模型(可能更多,取決于用例)。在引入新數(shù)據(jù)時,采用投票分類器對模型進(jìn)行包裝,并對子模型的預(yù)測進(jìn)行平均。
          from sklearn.ensemble import VotingClassifier
          from sklearn.linear_model import LogisticRegression
          from sklearn.svm import SVC

          estimators = []
          log_reg = LogisticRegression(solver='liblinear')
          estimators.append(('Logistic', log_reg))

          tree = DecisionTreeClassifier()
          estimators.append(('Tree', tree))

          svm_clf = SVC(gamma='scale')
          estimators.append(('SVM', svm_clf))

          voting = VotingClassifier(estimators=estimators)
          voting.fit(X_train, y_train)

          evaluate(voting, X_train, X_test, y_train, y_test)

          TRAINIG RESULTS: 
          ===============================
          CONFUSION MATRIX:
          [[328  22]
           [ 75 112]]
          ACCURACY SCORE:
          0.8194
          CLASSIFICATION REPORT:
                              0           1  accuracy   macro avg  weighted avg
          precision    0.813896    0.835821  0.819367    0.824858  0.821531
          recall       0.937143    0.598930  0.819367    0.768037  0.819367
          f1-score     0.871182    0.697819  0.819367    0.784501  0.810812
          support    350.000000  187.000000  0.819367  537.000000  537.000000
          TESTING RESULTS: 
          ===============================
          CONFUSION MATRIX:
          [[135  15]
           [ 40  41]]
          ACCURACY SCORE:
          0.7619
          CLASSIFICATION REPORT:
                              0          1  accuracy   macro avg  weighted avg
          precision    0.771429   0.732143  0.761905    0.751786      0.757653
          recall       0.900000   0.506173  0.761905    0.703086      0.761905
          f1-score     0.830769   0.598540  0.761905    0.714655      0.749338
          support    150.000000  81.000000  0.761905  231.000000    231.000000


          4.堆疊


          堆疊的工作原理與投票集成相同。然而,堆疊可以調(diào)整子模型預(yù)測順序——作為元模型的輸入,以提高性能。換句話說,堆疊從每個模型的算法中產(chǎn)生預(yù)測;隨后,元模型使用這些預(yù)測作為輸入(權(quán)重)來創(chuàng)建最終輸出。
          堆疊的優(yōu)勢在于它可以結(jié)合不同的強大的學(xué)習(xí)者,與獨立的模型相比它作出精確和穩(wěn)健的預(yù)測。
          sklearn庫在集成模塊下有StackingClassifier()。但是,我將使用ML集成庫實現(xiàn)堆疊集成。
          為了在堆疊和以前的集成之間做一個公平的比較,我用10折重新計算了以前的準(zhǔn)確率。
          from mlens.ensemble import SuperLearner

          # 創(chuàng)建基礎(chǔ)模型列表
          def get_models():
              models = list()
              models.append(LogisticRegression(solver='liblinear'))
              models.append(DecisionTreeClassifier())
              models.append(SVC(gamma='scale', probability=True))
              models.append(GaussianNB())
              models.append(KNeighborsClassifier())
              models.append(AdaBoostClassifier())
              models.append(BaggingClassifier(n_estimators=10))
              models.append(RandomForestClassifier(n_estimators=10))
              models.append(ExtraTreesClassifier(n_estimators=10))
              return models

          def get_super_learner(X):
            ensemble = SuperLearner(scorer=accuracy_score, 
                                    folds = 10
                                    random_state=41)
            model = get_models()
            ensemble.add(model)
          # 添加一些層
            ensemble.add([LogisticRegression(), RandomForestClassifier()])
            ensemble.add([LogisticRegression(), SVC()])
          # 添加元模型
            ensemble.add_meta(SVC())
            return ensemble

          # 超級學(xué)習(xí)者
          ensemble = get_super_learner(X_train)
          # 擬合
          ensemble.fit(X_train, y_train)
          # 摘要
          print(ensemble.data)
          # 預(yù)測
          yhat = ensemble.predict(X_test)
          print('Super Learner: %.3f' % (accuracy_score(y_test, yhat) * 100))
          ACCURACY SCORE ON TRAIN: 83.24022346368714   
          ACCURACY SCORE ON TEST: 76.62337662337663


          比較性能


          import plotly.graph_objects as go

          fig = go.Figure()
          fig.add_trace(go.Bar(
                        x = test['Algo'],
                        y = test['Train'],
                        text = test['Train'],
                        textposition='auto',
                        name = 'Accuracy on Train set',
                        marker_color = 'indianred'))

          fig.add_trace(go.Bar(
                        x = test['Algo'],
                        y = test['Test'],
                        text = test['Test'],
                        textposition='auto',
                        name = 'Accuracy on Test set',
                        marker_color = 'lightsalmon'))

          fig.update_traces(texttemplate='%{text:.2f}')
          fig.update_layout(title_text='Comprehensive comparasion between ensembles on Train and Test set')
          fig.show()
          如圖所示,堆疊集合在測試集上表現(xiàn)良好,最高分類準(zhǔn)確率為76.623%。


          5.結(jié)論和收獲


          我們已經(jīng)探索了幾種類型的集成,并學(xué)習(xí)如何以正確的方式實現(xiàn)它們,以擴(kuò)展模型的預(yù)測能力。我們還總結(jié)了一些需要考慮的要點:
          1. 堆疊算法在精度、魯棒性等方面都有提高,具有較好的泛化能力。
          2. 當(dāng)我們想要設(shè)置性能良好的模型以平衡其弱點時,可以使用投票。
          3. Boosting是一個很好的集成方法,它只是把多個弱的學(xué)習(xí)者結(jié)合起來,得到一個強大的學(xué)習(xí)者。
          4. 當(dāng)你想通過組合不同的好模型來生成方差較小的模型時,可以考慮Bagging—減少過擬合。
          5. 選擇合適的組合取決于業(yè)務(wù)問題和你想要的結(jié)果。

          最后,我希望這能為實現(xiàn)集成提供一個全面的指導(dǎo)。

          往期精彩回顧





          本站qq群851320808,加入微信群請掃碼:

          瀏覽 132
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          評論
          圖片
          表情
          推薦
          點贊
          評論
          收藏
          分享

          手機掃一掃分享

          分享
          舉報
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  亚洲精品99久久精品爆乳 | 成人超碰人人操 | 俺去也影院 | 99色在线 | 色豆花在线 |