原理
- 投票法是集成学习中的常用方法,通过集成多个模型,可以提高模型的泛化能力,减少错误率
- 其思路在于一个假定,即一般情况下,错误总是较小概率发生,次数较少,而大多数情况下都是正确的,借助少数服从多数的投票思路,可以很好地提升决策的正确性
- 投票法在回归模型和分类模型上均可使用
- 回归投票法:预测结果是所有集成模型中预测结果的平均值
- 分类投票法:预测结果是所有集成模型中出现最多的预测结果
- 硬投票:预测结果是所有投票结果中出现最多的类
- 软投票:预测结果是所有投票结果中概率加和最大的类
- 在投票法中,还要考虑到基模型的影响。通常来说,要想产生更好的效果,有两点需要注意:
- 基模型之间效果不能相差过大:当某个模型效果过差时,该模型可能会成为噪声,影响整体模型的准确度
- 基模型之间应该有较小的同质性:在基模型预测结果近似的情况下,基于树模型与线性模型的投票,往往优于两个树模型或两个线性模型的投票
- 投票法的局限性在于:它对所有模型的处理是一致的,也就是说所有模型对预测的贡献程度是相同的,而在模型性能有较大差异时,加权才是比较合适的方法,这是需要注意的地方
案例
from sklearn.datasets import make_classification
def get_dataset():
X,y = make_classification(n_samples=1000,n_features=20,n_informative=15,n_redundant=5,random_state=3)
return X,y
from sklearn.neighbors import KNeighborsClassifier
from sklearn.ensemble import VotingClassifier
def get_voting():
models = []
models.append(('KNN1',KNeighborsClassifier(n_neighbors=1)))
models.append(('KNN3',KNeighborsClassifier(n_neighbors=3)))
models.append(('KNN5',KNeighborsClassifier(n_neighbors=5)))
models.append(('KNN7',KNeighborsClassifier(n_neighbors=7)))
models.append(('KNN9',KNeighborsClassifier(n_neighbors=9)))
ensemble = VotingClassifier(estimators=models,voting="hard")
return ensemble
def get_models():
models = dict()
models['knn1'] = KNeighborsClassifier(n_neighbors=1)
models['knn3'] = KNeighborsClassifier(n_neighbors=3)
models['knn5'] = KNeighborsClassifier(n_neighbors=5)
models['knn7'] = KNeighborsClassifier(n_neighbors=7)
models['knn9'] = KNeighborsClassifier(n_neighbors=9)
models['hard-voting'] = get_voting()
return models
from sklearn.model_selection import RepeatedStratifiedKFold,cross_val_score
def evaluate_model(model,X,y):
cv = RepeatedStratifiedKFold(n_splits=10,n_repeats=3,random_state=1)
scores = cross_val_score(model,X,y
,scoring="accuracy",cv=cv,n_jobs=-1
,error_score="raise")
return scores
from numpy import mean,std
from matplotlib import pyplot
X,y = get_dataset()
models = get_models()
results,names = [],[]
for name,model in models.items():
scores = evaluate_model(model,X,y)
results.append(scores)
names.append(name)
print(">%s %.3f (%.3f)" % (name,mean(scores),std(scores)))
pyplot.boxplot(results,labels=names,showmeans=True)
pyplot.show()