第六章——模型融合

6 模型融合

6.1 偏差和方差

• 分布图

  

• 公式推导：

  1. 假设从 y = f ( x ) + ϵ y = f(x) + \epsilon y=f(x)+ϵ采样得到 D = { ( x 1 , y 1 ) , . . . , ( x n , y n ) } D = \{(x_1,y_1),...,(x_n,y_n)\} D={(x1​,y1​),...,(xn​,yn​)}， ϵ 表 示 噪 音 \epsilon表示噪音 ϵ表示噪音

  2. 在D上最小化MSE，得到 f ^ \hat{f} f^​。希望在不同的 D D D上都能生成一个好的 f ^ \hat{f} f^​

  3. 公式：
     因 为 f 是 一 个 真 实 的 东 西 ， 不 会 随 着 采 样 变 化 而 变 化 ， 因 此 E f = f 假 设 噪 音 符 合 一 个 均 值 为 0 ， 方 差 为 σ 2 的 正 态 分 布 ϵ 相 较 于 f ^ 时 独 立 的 ， 因 此 E ϵ X = E ϵ E X 因为f是一个真实的东西，不会随着采样变化而变化，因此Ef = f \\ 假设噪音符合一个均值为0，方差为\sigma^2的正态分布 \\ \epsilon相较于\hat{f}时独立的，因此E\epsilon X = E\epsilon EX 因为f是一个真实的东西，不会随着采样变化而变化，因此Ef=f假设噪音符合一个均值为0，方差为σ2的正态分布ϵ相较于f^​时独立的，因此EϵX=EϵEX

     KaTeX parse error: No such environment: align* at position 8: \begin{̲a̲l̲i̲g̲n̲*̲}̲ E_D[(y-\hat{f}…

• 偏差—方差的均衡

  

• 降低方差和偏差

  1. 降低偏差
     • 更大的模型
     • Boosting
     • Stacking
  2. 降低方差
     • 更简单模型
     • 正则化
     • Bagging
     • Stacking
  3. 降低 σ 2 \sigma^2 σ2
     • 提升数据质量

6.2 Bagging

• Bagging - Bootstrap AGGregratING

  • 并行训练多个学习器
  • 输出综合采用多个学习器，分类（投票法），回归（结果求均值）
  • 通过在训练集上bootstrap采样：
    • 在m个样本中，有放回的随机采样m个
    • 大约 1 − 1 / e ≈ 63 % 1-1/e \approx 63\% 1−1/e≈63%样本会被采样到，未被采样到的作为验证集
    • ( 1 − 1 n ) n 当 n 趋 于 正 无 穷 时 等 于 1 / e ， 该 式 表 示 一 个 样 本 不 被 采 样 的 概 率 (1-\frac{1}{n})^n当n趋于正无穷时等于1/e，该式表示一个样本不被采样的概率 (1−n1​)n当n趋于正无穷时等于1/e，该式表示一个样本不被采样的概率

• Bagging Code

  class Bagging:
      def __init__(self, base_learner, n_learners):
          """
          base_learner: 基础学习器
          n_learners: 学习器个数
          """
          self.learners = [clone(base_learners) for _ in range(n_learners)]
      def fit(self, X, y):
          for learner in self.learners:
              examples = np.random.choice(
              	np.arrange(len(X)),int(len(X)), replace=True)
      def predict(self, X):
          preds = [learner.predict(X) for learner in self.learners]
          return np.arrary(preds).mean(axis=0)
  

• 随机森林

  • 使用决策树作为基学习器
  • 随机选择一些特征
  • 降低方差，也不会降低偏差

• 不稳定的学习器

  • Bagging 降低方差，特别是对于不稳定的学习器

  • 为什么不稳定的学习器 Bagging后方差更小？
    E [ X ] 2 ≤ E [ X 2 ] ( f ( x ) − f ^ ( x ) ) 2 ≤ E [ ( f ( x ) − f ^ D ( x ) ) 2 ] ⇔ f ^ ( x ) 2 ≤ E [ f ^ D ( x ) 2 ] \begin{aligned} &\mathrm{E}[X]^{2} \leq \mathrm{E}\left[X^{2}\right] \\ &(f(x)-\hat{f}(x))^{2} \leq \mathrm{E}\left[\left(f(x)-\hat{f}_{D}(x)\right)^{2}\right] \Leftrightarrow \hat{f}(x)^{2} \leq \mathrm{E}\left[\hat{f}_{D}(x)^{2}\right] \end{aligned} ​E[X]2≤E[X2](f(x)−f^​(x))2≤E[(f(x)−f^​D​(x))2]⇔f^​(x)2≤E[f^​D​(x)2]​

6.3 Boosting

• Boosting

  • Boosting结合弱的学习器变成一个强的学习器
    • 为了降低偏差，不同于Bagging降低方差
  • 顺序地学习 n n n个弱分类器
    • 在第 i i i步，训练一个弱学习器 h i h_i hi​,衡量它的错误 ϵ t \epsilon_t ϵt​
    • 重新采样，根据 ϵ t \epsilon_t ϵt​去关注那些未能正确预测的样本
  • 例如：AdaBoost、gradient boosting

• 梯度提升树（gradient boost）

  • 定义模型在时间 t t t为， H t ( x ) H_t(x) Ht​(x), H 1 ( x ) = 0 H_1(x)=0 H1​(x)=0
  • 训练过程中：
    • 在集合 { ( x i , y i − H t ( x i ) ) } i = 1 , . . . , m \{(x_i,y_i-H_t(x_i))\}_{i=1,...,m} {(xi​,yi​−Ht​(xi​))}i=1,...,m​上（残差集合上），训练残差模型 h t h_t ht​
    • H t + 1 ( x ) = H t ( x ) + η h t ( x ) H_{t+1}(x) = H_t(x) + \eta h_t(x) Ht+1​(x)=Ht​(x)+ηht​(x)
      • 学习率 η \eta η正则化模型通过shrinkage

• 实现

  class GraadientBoosting:
      def __init__(self, base_learner, n_learners, learning_rate):
          self.learners = [clone(base_learner) for _ in range(n_learners)]
          self.lr = learning_rate
      def fit(self, X, y):
          residual = y.copy()
          for learner in self.learners:
              learner.fit(X, residual)
              residual -= self.lr * learner.predict(X)
      def predict(self, X):
          preds = [learner.predict(X) for learner in self.learners]
          return np.array(preds).sum(axis=0) * self.lr # 对预测结果求和乘以学习率
  

• Gradient Boosting Decision Trees (GBDT)

  • 使用决策树作为弱学习器
    • 通过一个小的最大深度和随机采样特征来正则化
  • 序列地建树比较慢
    • 加速算法，例如：XGBoost和lightGBM

6.4 stacking

• stacking

  

  • 结合多个基础学习器降低方差
    • 基础学习器可以是不同的模型
    • 通过可学习的参数，线性结合基础学习器的输出
  • 和bagging的不同点
    • bagging使用相同类型的模型
    • 使用bootstrap去获得多样性

• 多层stacking

  ​

  • 多层stacking可以降低偏差
  • 将第一层stacking的输出看成是特征送入下一层的stacking中（第二层的输入是基于上一层的输出，离最后的标号很近了，所以下一层训练起来会比较容易），这样可以把没有训练好的地方重新训练
  • 在这里也会将原始的特征直接与第一层的输出一起送入下一层
  • 多层stacking很容易过拟合（同一份数据又送进去学了一遍）

• 多层stacking容易过拟合

  • 在不同层使用不同的数据进行训练

    • 例如：将数据划分为A和B，在A上训练L1学习器，然后通过预测B来生成L2学习器的输入。

  • 重复的K-fold bagging

    ​

    • 像k折交叉验证一样，将数据集分成k份，每一次在k-1份上训练，再用第k份做验证，这样可以训练k个模型
      每个模型用这个方法训练了一次 所以每次训练了是k*n个小模型
    • 更加昂贵的做法，对上述的做法重复做n次k折交叉验证，这样可以拿到n个预测值，再取平均放入下一层中

Reduce	Bias(偏差)	Variance(方差)	计算量	并行度
Bagging		√	n	n
Boosting	√		n	1
stacking		√	n	n
multi-layer stacking	√	√	nx/xk	nxk

标签：采样,方差,模型,learner,融合,学习,第六章,learners,self
来源： https://blog.csdn.net/y1040468929/article/details/121715224