机器学习--有监督--GBM(Boosting)
2021-11-13 本文已影响0人
小贝学生信
集成学习(ensemble learning)是采用多个机器学习模型组合进行综合预测，从而提升模型性能的思路，分为bagging与boosting两种。之前学习的随机森林便是bagging的典型代表；而本次学习Gradient boosting machines为代表的boosting则是另一种集成思路。此外，集成学习使用的基学习器模型一般都是决策树(decision tree)。
1、bagging与boosting的区别
(1) bagging
- 建立多个独立(independent)的、弱关联(de-correlated)、的base learner基学习器，每个单独的基学习器都是强学习器；
- 进行预测结果时，综合考虑所有模型的预测值；即每个模型都有相同的权重，是平等的。
- bagging适合于low bias and high variance，希望降低variance的情况；
(2) boosting
- 建立一系列(sequential)的weak base learner基学习器。其中第一个base learner的性能仅仅由于随机猜测(random guessing)，之后建立的模型都是在前一个模型的基础上通过调整参数（重点关注上一个模型预测最不准确地样本），从而逐渐提高后续模型的准确率。
- 进行预测结果时，以每个基学习器的预测性能为权重(大致意思是性能优的基学习器有更高的话语权)，综合考虑所有模型的预测值。
- boosting适合于high bias and low variance，希望降低bias的情况。
2、GBM，Gradient boosting machines简单理解
2.1 Gradient descent
-
boosting的核心是以提高上一个模型性能为目的，建立一系列基学习器。而提升性能的标准可通过损失函数进行评价；而每一次提高性能的多少用学习率(learning rate)表示；
-
AdaBoost算法是早期boosting的流行形式之一，其使用SSE作为损失函数，即性能评价的标准。而GBM算法更加多元，它可以使用除SSE以外的其它指标作为损失函数；
The name gradient boosting machine comes from the fact that this procedure can be generalized to loss functions other than SSE.
2.2 GBM的超参数
GBM的超参数主要包含两类，一类是boosting相关的参数；一类是决策树本身的超参数
（1）boosting hyperparameters
- Number of trees：首先是建立多少个基学习器。一般boosting需要建立较多数目(thousands)的决策树，从而提高后续模型的性能。但是过多的数目又可能带来过拟合的问题(bagging则不用担心这个问题)。
- Learning rate：取值范围在0-1之间，一般取0.001~0.3。太大的学习率可能会使模型错过最佳的参数，从而导致过拟合；太小的值则可能需要建非常多的树，从而提高了计算资源与时间的需求。
由于不同的学习率都有不同的最佳决策树的数目，所以不需要特别设置树参数，尽量取一个较大值即可。
（2）tree hyperparameters
- 树的深度：一般建议取值范围在3~8；
- 终端节点(terminal nodes)的最小样本数：一般建议取值范围在5~15；
超参数调整策略
- 先确定最佳的学习率参数
- 再调整决策树的相关参数
3、代码实操
示例数据：预测房价
ames <- AmesHousing::make_ames()
dim(ames)
## [1] 2930 81
set.seed(123)
library(rsample)
split <- initial_split(ames, prop = 0.7,
strata = "Sale_Price")
ames_train <- training(split)
# [1] 2049 81
ames_test <- testing(split)
# [1] 881 81
- 建模R包
library(gbm)
step1 : 先大致探索一下
set.seed(123) # for reproducibility
ames_gbm1 <- gbm(
formula = Sale_Price ~ .,
data = ames_train,
distribution = "gaussian", # SSE loss function
n.trees = 5000,
shrinkage = 0.1,
interaction.depth = 3,
n.minobsinnode = 10,
cv.folds = 10)
# find index for number trees with minimum CV error
best <- which.min(ames_gbm1$cv.error)
# [1] 1119
# get MSE and compute RMSE
sqrt(ames_gbm1$cv.error[best])
## [1] 22402.07
# plot error curve
gbm.perf(ames_gbm1, method = "cv")
如下可以看出在1119棵树的时候，交叉验证指标已经达到平台期
step2：学习率指标优化
# create grid search
hyper_grid <- expand.grid(
learning_rate = c(0.3, 0.1, 0.05, 0.01, 0.005),
RMSE = NA,
trees = NA,
time = NA
)
# execute grid search
for(i in seq_len(nrow(hyper_grid))) {
# fit gbm
set.seed(123) # for reproducibility
train_time <- system.time({
m <- gbm(
formula = Sale_Price ~ .,
data = ames_train,
distribution = "gaussian",
n.trees = 5000,
shrinkage = hyper_grid$learning_rate[i],
interaction.depth = 3,
n.minobsinnode = 10,
cv.folds = 10
)
})
# add SSE, trees, and training time to results
hyper_grid$RMSE[i] <- sqrt(min(m$cv.error))
hyper_grid$trees[i] <- which.min(m$cv.error)
hyper_grid$time[i] <- train_time[["elapsed"]]
}
dplyr::arrange(hyper_grid, RMSE)
# learning_rate RMSE trees time
# 1 0.050 21807.96 1565 66.83
# 2 0.010 22102.34 4986 66.73
# 3 0.100 22402.07 1119 67.84
# 4 0.005 23054.68 4995 66.04
# 5 0.300 24411.95 269 64.84
- 如上确定最佳的学习率参数为0.05。
step3：优化决策树参数
# search grid
hyper_grid <- expand.grid(
n.trees = 5000,
shrinkage = 0.05,
interaction.depth = c(3, 5, 7),
n.minobsinnode = c(5, 10, 15)
)
# create model fit function
model_fit <- function(n.trees, shrinkage, interaction.depth, n.minobsinnode) {
set.seed(123)
m <- gbm(
formula = Sale_Price ~ .,
data = ames_train,
distribution = "gaussian",
n.trees = n.trees,
shrinkage = shrinkage,
interaction.depth = interaction.depth,
n.minobsinnode = n.minobsinnode,
cv.folds = 10
)
# compute RMSE
sqrt(min(m$cv.error))
}
# perform search grid with functional programming
hyper_grid$rmse <- purrr::pmap_dbl(
hyper_grid,
~ model_fit(
n.trees = ..1,
shrinkage = ..2,
interaction.depth = ..3,
n.minobsinnode = ..4
)
)
# results
dplyr::arrange(hyper_grid, rmse)
# n.trees shrinkage interaction.depth n.minobsinnode rmse
# 1 5000 0.05 5 10 21793.28
# 2 5000 0.05 3 10 21807.96
# 3 5000 0.05 5 5 21976.76
# 4 5000 0.05 3 5 22104.49
# 5 5000 0.05 5 15 22156.30
# 6 5000 0.05 3 15 22170.16
# 7 5000 0.05 7 10 22268.51
# 8 5000 0.05 7 5 22316.37
# 9 5000 0.05 7 15 22595.51
- 如上可以看出，最佳的决策树超参数组合：（1）interaction.depth=5；（2）n.minobsinnode = 10；
- 但最佳组合的rmse值(21793)也仅比默认值(21807)降低了很少，所以决策树参数对GBM的影响相对较小。
step4：确定最佳模型，测试集评价
ame_gbm <- gbm(
formula = Sale_Price ~ .,
data = ames_train,
distribution = "gaussian",
n.trees = 5000,
shrinkage = 0.05,
interaction.depth = 5,
n.minobsinnode = 10,
cv.folds = 10)
(best <- which.min(ame_gbm$cv.error))
# [1] 1305
sqrt(ame_gbm$cv.error[best])
# [1] 22475.02
#自动调用最佳数目进行预测
pred = predict(ame_gbm, ames_test)
ModelMetrics::rmse(pred, ames_test$Sale_Price)
# [1] 20010.21
评价特征变量的重要性
vip::vip(ame_gbm)
由于GBM是基于梯度下降的思路，当遇到非碗形的损失函数曲线时，有可能遇到局部的最低点local minimas，
Stochastic gradient descent算法可采用抽样建模方式尽可能找到全局最低点；此外XGBoost可以尽可能避免boosting算法出现过拟合的情况。具体用法就暂不学习了~
