机器学习-->集成学习-->Xgboost详解

本篇博文将详细总结集成学习里面的一个非常重要的模型，xgboost。

Boosting（提升）

提升是一个机器学习技术，可以用于回归和分类问 题，它每一步产生一个弱预测模型(如决策树)，并加权累加到总模型中；如果每一步的弱预测模型生 成都是依据损失函数的梯度方向，则称之为梯度提升(Gradient boosting)。

梯度提升算法首先给定一个目标损失函数，它的定义域是所有可行的弱函数集合(基函数)，即自变量就是每次加进来的基函数；提升算法 通过迭代的选择一个负梯度方向上的基函数来逐渐逼近局部极小值。（沿着梯度下降方向建立基函数）这种在函数域的梯度提升观点对机器学习的很多领域有深刻影响。

提升的理论意义：如果一个问题存在弱分类器，则 可以通过提升的办法得到强分类器。

提升算法

给定输入向量x和输出变量y组成的若干训练样本(x1,y1),(x2,y2),…,(xn,yn)，目标是找到近似函数，使得损失函数L(y,F(x))的损失值最小。

L(y,F(x))的典型定义为(MSE)或（中位数是绝对最小最优解）

假定最优函数为

假定F(X)是一族基函数的加权和

梯度提升方法寻找最优解F(x)，使得损失函 数在训练集上的期望最小。方法如下：

1. 首先，给定常函数：

   

2. 以贪心的思想扩展到：

   

梯度近似

• 使用梯度下降法近似计算

  将样本代入基函数f得到 ，从而L退化为向量

  

提升算法的一般步骤(GBDT)：

1. 给定初始模型为常数
   

2. 对于m=1到M：

   ① 计算伪残差
   

   注意：是对函数F求偏导，不是对x求导。

   ②使用数据计算拟合残差的基函数

   ③给定一个步长
   

   ④更新模型

参数设置和正则化

对训练集拟合过高会降低模型的泛化能力，需要使 用正则化技术来降低过拟合。

• 对复杂模型增加惩罚项，如：模型复杂度正比于叶结点 数目或者叶结点预测值的平方和等。
• 用于决策树剪枝。

叶结点数目控制了树的层数，一般选择4≤J≤8。

叶结点包含的最少样本数目

• 防止出现过小的叶结点，降低预测方差

梯度提升迭代次数M：

• 增加M可降低训练集的损失值，但有过拟合风险
• 交叉验证

衰减因子、降采样

衰减Shrinkage

• 称ν为学习率
• ν=1即为原始模型；推荐选择v<0.1的小学习率。过小的 学习率会造成计算次数增多。

随机梯度提升Stochastic gradient boosting

• 每次迭代都对伪残差样本采用无放回的降采样，用部分 样本训练基函数的参数。令训练样本数占所有伪残差样本的比例为f；f=1即为原始模型：推荐0.5≤f≤0.8。
• 较小的f能够增强随机性，防止过拟合，并且收敛的快。 
• 降采样的额外好处是能够使用剩余样本做模型验证。

Xgboost

上面说的提升只是用到了梯度，也就是一阶导。现在考虑使用二阶导信息

目标函数：也即损失函数，我们希望损失函数越小越好

需要解释下上面公式一些变量含义：L表示损失函数，表示所求的第t个基函数，n表示样本个数，表示第i个样本对应的标签，表示前t-1个基函数（加权相加）对第i个样本所生成的标签，表示第t个基函数对第i个样本生成的结果。可以看成一个正则项。C是常数项。上述公式是以基函数为自变量。

根据泰勒公式进行展开：

泰勒公式：

对应上面泰勒展式中的x即为，即为

令：

注：在XGBoost里面，自定义损失函数后，这个一阶导和二阶导可以自定义的给出。

然后根据泰勒展式对损失函数L进行展开到二阶导，得到展开后的目标函数为：

我们观察新得出的目标函数是关于的函数，那么在公式右侧的损失函数跟无关，可以直接拿到常数项C中去。那么可得：

决策树的描述

使用决策树对样本做分类(回归)，是从根结点到叶节点的细化过程；落在相同叶节点的 样本的预测值是相同的。
假定某决策树的叶结点数目为T，每个叶结点的权值为，所有叶子节点的权值从小到大排序，可重复。分类回归道理都是一样。决策树的学习过程，就是构造如何使用特征得到划分，从而得到这些权值的过程。

样本x落在叶结点q中，定义f为，显然是关于叶权值w的函数，叶权值就是决策树的预测或者是分类结果。其中x是样本，q(x)表示这个样本被决策树进行回归或者分类以后所落的叶子节点的序号，表示这个序号对应的叶子节点的权值。一个决策树的核心即“树结构”和“叶权值”。

为什么把叶子节点上数值成为叶权值呢？因为在后面的推导过程中，为了不断的使损失函数变少，可以计算出下一课树的叶节点的值。

正则项的定义

上面说了可以理解成正则项的含义，那么该如何定义呢？正则项在模型中一般是用来控制模型的复杂程度，那么决策树的复杂度由什么决定呢？可以考虑是叶节点数和叶权值，所以可以考虑使用叶节点总数和叶权值平方和的加权来尝试定义正则项。

，注意这不是唯一的定义方式。

这里面很明显越大，我们越考虑这项，反正越小越不重视。同理。

其中T表示当前第t个决策树的叶子的个数。

目标函数计算：

目标函数是关于的函数，而又是关于叶子权值w的函数，对于一颗决策树来说，树结构和叶权值确定了，这棵树就确定了

T表示叶子节点个数，表示落在第j号叶子的所有样本。继续计算：

继续简化：

这样我们就计算出下一课树的叶子节点的权值。

我们的目的就是希望这个目标函数越来越小。

如何进行子树划分？

借鉴ID3/C4.5/CART的做法，使用贪心法：

• 对于某可行的划分，计算划分以后的J(f)。
• 对于所有可行划分，选择J(f)降低最小 的分割点。
• 上面两个步骤，可以并行的计算，就是尝试同时在多个点进行划分，同时计算出哪个划分点最优。这样应该就是Xgboost的并行，也就是树的生成的并行完成的。极大的提高了速度。

注意：增益最大的划分。

Xgboost包的使用

Xgboost详细的使用说明请看xgboost文档
这里给出一个简单的代码示例

# /usr/bin/python
# -*- encoding:utf-8 -*-

import xgboost as xgb
import numpy as np

# 1、xgBoost的基本使用
# 2、自定义损失函数的梯度和二阶导
# 3、binary:logistic/logitraw


# 定义f: theta * x
def log_reg(y_hat, y):
    p = 1.0 / (1.0 + np.exp(-y_hat))
    g = p - y.get_label()
    h = p * (1.0-p)
    return g, h


def error_rate(y_hat, y):
    return 'error', float(sum(y.get_label() != (y_hat > 0.5))) / len(y_hat)


if __name__ == "__main__":
    # 读取数据
    data_train = xgb.DMatrix('agaricus_train.txt')## libsvm格式，包含特征和标签
    data_test = xgb.DMatrix('agaricus_test.txt')##  libsvm格式，包含特征和标签
    print data_train
    print type(data_train)

    # 设置参数
    # max_depth：树的最大深度；eta：学习步长；silent：是否打印模型训练时的一些信息；
    param = {'max_depth': 3, 'eta': 1, 'silent': 1, 'objective': 'binary:logistic'}
    # param = {'max_depth': 3, 'eta': 0.3, 'silent': 1, 'objective': 'reg:logistic'}
    watchlist = [(data_test, 'eval'), (data_train, 'train')]## 查看输出模型训练时在训练集和测试集上的精度
    n_round = 7## 最多的树木数，也就是轮数
    # bst = xgb.train(param, data_train, num_boost_round=n_round, evals=watchlist)
    ##自定义错误率计算方式feval=error_rate；自定义一阶导数二阶导数obj=log_reg
    bst = xgb.train(param, data_train, num_boost_round=n_round, evals=watchlist, obj=log_reg, feval=error_rate)

    # 计算错误率
    y_hat = bst.predict(data_test)
    y = data_test.get_label()
    print 'y_hat:',y_hat
    print 'y:',y
    error = sum(y != (y_hat > 0.5))
    error_rate = float(error) / len(y_hat)
    print '样本总数：\t', len(y_hat)
    print '错误数目：\t%4d' % error
    print '错误率：\t%.5f%%' % (100*error_rate)

总结

• 以上即为XGBoost使用的核心推导过程。

• 相对于传统的GBDT，XGBoost使用了二阶信息，可以更快的在训练集上收敛。
  由于“随机森林族”本身具备过拟合的优势， 因此XGBoost仍然一定程度的具有该特性。
  XGBoost的实现中使用了并行/多核计算，因此 训练速度快；同时它的原生语言为C/C++，这是 它速度快的实践原因。