朴素贝叶斯(分类)
\[ P(C|F)=\frac{P(F|C)P(C)}{\sum_iF_i}=\frac{\prod_iP(F_i|C)P(C)}{\sum_iF_i} \]
- \(C\): Class, 类别
- \(F\): Feature,特征
- \(P(C)\): 先验概率
- \(P(F|C)\):似然值
- \(\sum_iF_i\):归一化用的,对所有类别都相同,可忽略
- 假设“所有特征彼此独立”,问题转化为:
\begin{aligned}
P(C|F)\propto\prod_iP(F_i|C)P(C)
\end{aligned}
其中\(P(F_i|C)\)和\(P(C)\)可从统计资料中得到,由此可计算出每个类别对应的概率,从而找出最大概率的类。 - “所有特征彼此独立”是很强的假设,现实中不太可能成立,但是可以大大简化计算,且有研究表明对分类结果准确性影响不大。
决策树(分类)
算法核心
选择最优的划分特征。每次划分后的分支节点所包含的样本尽可能的属于同一类别,也就是节点中所包含的样本纯度越来越高。
如何评判纯度?
信息熵
信息量化
如何衡量\(H(x)\)的大小
- 事件的信息量和事件发生的概率有关。\(H(x)\Leftrightarrow \frac{1}{P(x)}\)
- 多个事件的信息总量是信息量的加和。\(H(x_1,x_2)\Leftrightarrow H(x_1)+H(x_2)\)
- \(H(x)\ge0\)
需要构造一个关于\(H(x)\)的函数满足上述关系:\(H(x)=log \frac{1}{P(x)}=-logP(x)\)
熵
熵求的是\(H(x)\)在\(P(x)\)分布下的数学期望,代表一个系统的不确定性,信息熵越大,不确定性越大。
\begin{aligned}
Entropy(x) = E_x[H(x)]=-\sum_xP(x)logP(x)
\end{aligned}
- 全为一种元素,熵最小,\(Entropy(x)=0\)
- 系统内元素均匀分布,熵最大,\(Entropy(x)=1\)
- 想在系统内对元素划分,使得同一类元素在一起,每次划分就希望 minimize 系统的信息熵
信息增益
Information Gain(IG)
\begin{aligned}
IG=OriginalEntropy - \sum_i \frac{A_i}{|A|}Entropy(A_i)
\end{aligned}
信息熵是系统的不确定度,信息增益代表划分后系统的不确定度减少的程度。
每次划分希望信息增益越大越好。
ID3算法
采用 Information Gain 作为纯度的度量,算每一个特征的信息增益,选择使得信息增益最大的特征进行划分。
决策树划分
特征类型:
- ordinal 离散而有序
- numerical (discrete nominal) 离散而无序
- continuous 连续
贝叶斯分类模型适用离散无序类型(discrete)的特征
划分方法:
- 多路划分
- 独立值
- 二分法
- 组合
Discretization 连续数据离散化:
- 有序离散化
- 静态划分 一开始就离散化
- 动态划分 均匀间隔、均匀频次、聚类
- 二分法
- 类似IG3算法划分,找IG最大的划分
- 计算更密集
Gini Index
除了熵,还有其他方式来指导决策树划分。
\begin{aligned}
GINI(t)=1-\sum_jP(j|t)^2
\end{aligned}
\(P(j|t)\):每个状态\(t\)里每个class\(j\)的频率
- 若均匀分布(对应熵 = 1的情况),GINI Index = 0.5 最大
- 若某一类元素占比为1 (对应熵 = 0的情况),GINI Index = 0 最小
比较容易算,不用计算log。
Gini Split
划分\(k\)个分区,计算各个分区的加权 GINI 指数
对应信息增益
\begin{aligned}
GINI_{split}=\sum_{i=1}^k\frac{n_i}{n}GINI(i)
\end{aligned}
- \(n_i\):当前分区内元素个数
- \(n\): 系统内总的元素个数
GINI划分越小越好
Misclassification Error
错分率
\begin{aligned}
Error(t)=1-max_iP(i|t)
\end{aligned}
- \(P(i|t)\):每个状态\(t\)里每个class\(i\)的频率
- 若某一类元素占比为1 (对应熵 = 0,GINI Index = 0的情况),Error = 0 最小
- 若均匀分布(对应熵 = 1,GINI Index = 0.5的情况),Error = 0.5 最大
Traning and Test Errors
训练决策树时什么时候该停止,停止过早,没有很好学习数据性能,停止过晚,过拟合现象。
Tree Ensemble 集成学习
numbers of nodes: complexity of model
CART回归树(预测)
预测回归连续型数据。
给定训练数据 \(D={(x^{(1)},y^{(1)}),(x^{(2)},y^{(2)}),...,(x^{(N)},y^{(N)})}\),希望学习一个CART树来最小化损失函数
\begin{aligned}
Loss = min_{j,s}[min_{C_1}L(y^i,C_1)+min_{C_2}L(y^i,C_2)] \newline
where \quad C_m=ave(y_i|x_i \in R_m)
\end{aligned}
- \(R_m\):被划分的输入区间
- \(C_m\):区间\(R_m\)对应的输出值
- \(L\): \(y\)和\(C\)之间的距离
- \(y\):第几个特征变量
- \(s\): 分割点
- 遍历特征变量\(j\),在每一个特征变量上选择合适分割点,使得距离相加和最小,最后选择最好的结果对应的\(j\)和\(s\)
- cost functin : 每一个区间的均值和\(y\)之间的距离
- 计算距离一般常用\(L_2\)欧式距离
- CART树一般就分2块区域,\(R_1\)和\(R_2\),因为是递归分割的
集成学习
Bagging (Bootstrap Aggregating,引导聚集算法,装袋算法)
- 给定大小为\(n\)的训练集\(D\),从中均匀、有放回地选出\(m\)个大小为\(n'\)的子集\(D_i\)作为新的训练集。在这\(m\)个训练集上使用分类、回归等算法,则得到\(m\)个模型,再通过取平均值、取多数票等方法,即可得到 Bagging 结果。
- 采好后每一个定形处理
很好做并行
Bagging 算法可与其他分类、回归算法结合,提高准确率、稳定性的同时,通过降低结果的方差,避免过拟合的发生。
Bootstrap 是统计学里一种采样方法。自身有放回式采样。
Random Forest
对CART树使用 Bagging 算法,生成的许多树组成随机森林。
Boosting(增强算法)
AdaBoost
给出训练数据\(D={(x^{(1)},y^{(1)}),(x^{(2)},y^{(2)}),...,(x^{(N)},y^{(N)})}\),\(x^{(i)}\in R^n\),\(y \in \left\{ +1,-1 \right\}\)。对每一个\(x^{(i)}\),有一个相应的权重\(w^{(i)} \in R\)(标量)
- 初始化
\begin{aligned}
w=(w^{(1)},w^{(2)},...,w^{(N)})\newline w^{(i)}=\frac{1}{N},\quad i=1,2,...,N
\end{aligned}
- for \(k=1,2,...,K\)迭代
\(G_k(x)\)是一个弱分类器(朴素贝叶斯、决策树)
- 计算每个弱分类器的错分率
\begin{aligned}
e_k=P(G_k(x^{(i)})不等于 y^{(i)})\newline =\sum_iw^{(i)}I (G_k(x^{(i)}不等于 y^{(i)} )
\end{aligned}
- \(I(condition)\):Indicator 指示函数,逻辑变量,括号内等式成立等于1,不成立等于0。这里表示被分类错误的样本数量。
- \(w^{(i)}\):初始化状态是\(\frac{1}{N}\)
- 计算每个弱分类器的权重
\begin{aligned}
\alpha_k = \frac{1}{2}ln(\frac{1-e_k}{e_k})
\end{aligned}
- 如果一个分类器的误差比较大,不希望该分类器的权重较大
- 更新训练数据权重\(w^{(k)}\)
\begin{aligned}
w_{k+1}^{(i)}=\frac{w_k^{(i)}}{z_k}exp(-\alpha_ky^{(i)}G_k(x^{(i)})
\end{aligned}
- \({z_k}\):归一化处理,使得\(w_k^{(i)}\)加和为1。
\begin{aligned}
{z_k}=\sum_{i=1}^N w_k^{(i)}exp(-\alpha_kG_k(x^{(i)})
\end{aligned}
- 得到结果
\begin{aligned}
f(x)^{(i)}=\sum_{k=1}^k\alpha_kG_k(x^{(i)})
\newline
F(x^{(i)})=sign(f(x)^{(i)}) \quad最终分类结果
\end{aligned}
- sign()函数,大于0输出1,小于0输出-1
Boosting需要逐个训练弱分类器,1)数据权重初始化 。2)根据每一个弱分类器的误差来算数据的新权重,分错了权重增加,分对了权重减少。3)将要分类的数据输入到每一个弱分类器,由每一个若分类器的加权结果得出最终结果。
Gradient Boosting(梯度提升)
boosting的思想:分类器对分对了的保留,分错了的在下一个分类器加强学习。每次都在调整残差。
Gradient Boosting: 每一次建立模型是在之前建立模型损失函数的梯度下降方向.
有损失函数就会有梯度
在函数空间求梯度
- 给定训练数据 \(D={(x^{(1)},y^{(1)}),(x^{(2)},y^{(2)}),...,(x^{(N)},y^{(N)})}\),我们要让残差适应之前的弱分类器
\begin{aligned}
F_{m+1}(x) = F_{m}(x)+h(x)
\end{aligned}
我们的目标是学习一个\(h(x^{(i)})\):
\begin{aligned}
F_{m+1}(x^{(i)})=F_{m}(x^{(i)})+h(x^{(i)})=y^{(i)}
\end{aligned}
- 监督学习,目的是找到一个对于$ F(x)\(的逼近函数\)\widehat F(x)$, 通过最小化损失函数的数学期望
\begin{aligned}
\widehat F(x)=argminE_{x,y}[L(y,F(x))]
\newline
F(x)=\sum_{i=1}^M \alpha_ih_i(x)
\newline
F_0(x)=argmin_C\sum_{i=1}^NL(y^{(i)},C)
\newline
F_m(x)=F_{m-1}(x)+argmin\sum_{i=1}^N[L(y^{(i)},F_{m-1}(x^{(i)})+h_m(x^{(i)}))
\end{aligned}
- \(argmin\): 使后面的式子达到最小值时的变量的取值
- \(F_0(x)\):对于CART树来说就是初始情况,学习一个常数C即可
- 有了\(F_0(x)\),下一部分就是加上误差函数和残差
- 学习残差
\begin{aligned}
r_m^{(i)}=-[\frac{\partial L(y^{(i)},F(x^{(i)}))}{\partial F(x^{(i)})}]
\end{aligned}
- 负导数就是改进梯度方向
- 学习决策树拟合残差
学习一个CART树来拟合残差
\begin{aligned}
C_{mj}=argmin_C \sum_{x \in k(m,j)} L(y^{(i)}, F_{m-1}(x^{(i)})+C)
\end{aligned}