梯度提升回归树

• 通过合并多个决策树来构建一个更为强大的模型，采用连续的方式构造树，每棵树都试图纠正前一棵树的错误。
• 默认情况下，梯度提升回归树没有随机化，而是用到强预剪枝。
• 通常使用深度很小（1 到 5 之间）的树，这样模型占用的内存更少，预测速度也更快。
• 梯度提升重要参数 learning_rate，用于控制每棵树纠正前一棵树的错误的强度。

算法

image.png

优点、缺点和参数

• 缺点是需要仔细调参，而且训练时间可能会比较长。不适用与稀疏数据集
• 优点是不需要对数据进行缩放就可以表现的很好，而且适用于二元特征与连续特征同时存在的数据集
• 参数 n_estimators 和 learning_rate，通常的做法是根据时间和内存的预算选择合适的 n_estimators，然后对不同的 learning_rate 进行遍历。
• 参数 max_depth，用于降低每棵树的复杂度，通常设置得很小，一般不超过 5 。

image.png

梯度提升机分类

from sklearn.ensemble import GradientBoostingClassifier
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split

cancer=load_breast_cancer()
X_train,X_test,y_train,y_test=train_test_split(cancer.data,cancer.target,random_state=0)
gbrt=GradientBoostingClassifier(random_state=0)
gbrt.fit(X_train,y_train)
print('Accuracy on training set:{:.3f}'.format(gbrt.score(X_train,y_train)))
print('Accuracy on test set:{:.3f}'.format(gbrt.score(X_test,y_test)))

gbrt=GradientBoostingClassifier(random_state=0,max_depth=1)
gbrt.fit(X_train,y_train)
print('Accuracy on training set:{:.3f}'.format(gbrt.score(X_train,y_train)))
print('Accuracy on test set:{:.3f}'.format(gbrt.score(X_test,y_test)))