目录
第二颗树,根据梯度提升,减小残差(残差越小,结果越好,越准确)
导包
概念:导数求导后还是自身
import numpy as np
# f(x) = 3*x**2
# 梯度=导数
from sklearn.ensemble import GradientBoostingClassifier
from sklearn import datasets
from sklearn.model_selection import train_test_split
梯度提升树也是建在决策树的基础上的。
X,y = datasets.load_iris(True)
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.2)
gbdt = GradientBoostingClassifier(n_estimators=10)
gbdt.fit(X_train,y_train)
gbdt.score(X_test,y_test)
gbdt.n_estimators_
gbdt.estimators_.shape
树分10份,每份中是3棵树,每棵树都是多分类问题
减少类别,假设只有两类点,用一棵树就能分开了。
X,y = datasets.load_iris(True)
cond = y!=2#0,1
X = X[cond]
y = y[cond]
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size = 0.2)
gbdt.estimators_.shape
二分类只需一棵树就行了。
梯度提升树原理
导包
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
# 回归是分类的极限思想
# 分类的类别多到一定程度,那么就是回归
from sklearn.ensemble import GradientBoostingClassifier,GradientBoostingRegressor
from sklearn import tree
导入数据
# X数据:上网时间和购物金额
# y目标:14(高一),16(高三),24(大学毕业),26(工作两年)
X = np.array([[800,3],[1200,1],[1800,4],[2500,2]])
y = np.array([14,16,24,26])#年龄
声明树
# 梯度提升树用于分类,森林,集成算法,基本树(决策树,分类树)
# 用到的是,回归树
gbdt = GradientBoostingClassifier(n_estimators=10)
gbdt.fit(X,y)
gbdt.predict(X)
使用回归研究其原理
# 使用回归,数据连续的
gbdt = GradientBoostingRegressor(n_estimators=10)
gbdt.fit(X,y)
gbdt.predict(X)
plt.rcParams['font.sans-serif'] = 'KaiTi'
plt.figure(figsize=(9,6))
_=tree.plot_tree(gbdt[0,0],filled=True,feature_names=['消费','上网'])
26为均方误差
# mse mean-square-error:均方误差 ;均方误差越小,数据越准确。
((y - y.mean())**2).mean()
14,16代表高中生。
((y[:2] - y[:2].mean())**2).mean()
第二棵决策树
plt.rcParams['font.sans-serif'] = 'KaiTi'
plt.figure(figsize=(9,6))
_ = tree.plot_tree(gbdt[0,0],filled=True,feature_names=['消费','上网'])
以下数据为残差
原因
第二颗树,根据梯度提升,减小残差(残差越小,结果越好,越准确)
# learning_rate = 0.1
gbdt1 = np.array([-6,-4,6,4])
# 梯度提升 学习率0.1
gbdt1 - gbdt1*0.1
同理可求的最后一棵树的残差,根据最后一棵树的残差,计算了算法最终的预测值。给100棵树,梯度提升一百次,给1千棵树,梯度提升1000次。
直接使用算法predict返回的值,和手算一模一样。