梯度提升树(Gradient Boosting Decison Tree, GBDT)
- GBDT是集成学习Boosting家族的成员,也是使用前向分布算法迭代,但是迭代思路和传统的Adaboost有很大的不同。弱学习器也限定了只能使用CART回归树模型。
Adaboost
- 利用前一轮迭代弱学习器的误差率来更新训练集的权重,这样一轮轮的迭代下去。
GBDT
- 假设前一轮迭代得到的强学习器是 f t − 1 ( x ) f_{t-1}(x) ft−1(x),损失函数是 L ( y , f t − 1 ( x ) ) L(y, f_{t-1}(x)) L(y,ft−1(x)),
- 本轮迭代的目标是找到一个CART回归树模型的弱学习器 h t ( x ) h_t(x) ht(x),让本轮的损失函数 L ( y , f t ( x ) ) = L ( y , f t − 1 ( x ) + h t ( x ) ) L(y, f_t(x))=L(y, f_{t-1}(x)+h_t(x)) L(y,ft(x))=L(y,ft−1(x)+ht(x))最小。
GBDT的负梯度拟合
损失函数拟合方法:Freidman提出的用损失函数的负梯度来拟合本轮损失的近似值,进而拟合一个CART回归树。
- 第t轮的第i个样本的损失函数的负梯度表示为 r t i = − [ ∂ L ( y i , f ( x i ) ) ) ∂ f ( x i ) ] f ( x ) = f t − 1 ( x ) r_{ti} = -\bigg[\frac{\partial L(y_i, f(x_i)))}{\partial f(x_i)}\bigg]_{f(x) = f_{t-1} (x)} rti=−[∂f(xi)∂L(yi,f(xi)))]f(x)=ft−1(x)利用 ( x i , r t i ) (x_i,r_{ti}) (xi,rti) ( i = 1 , 2 , . . , m ) (i=1,2,..,m) (i=1,2,..,m)拟合第t颗回归树,其对应的叶节点区域𝑅𝑡𝑗 (𝑗=1,2,…,𝐽)。
- 针对每一个叶子节点里的样本,求出使损失函数最小的输出值 c t j c_{tj} ctj(即输入x对应的叶节点域𝑅𝑡𝑗得到的最好的回归梯度 r t i r_{ti} rti): c t j = a r g m i n ⏟ c ∑ x i ∈ R t j L ( y i , f t − 1 ( x i ) + c ) c_{tj} = \underbrace{arg\; min}_{c}\sum\limits_{x_i \in R_{tj}} L(y_i,f_{t-1}(x_i) +c) ctj=c argminxi∈Rtj∑L(yi,ft−1(xi)+c)
- 所以本轮的决策树拟合函数: h t ( x ) = ∑ j = 1 J c t j I ( x ∈ R t j ) h_t(x) = \sum\limits_{j=1}^{J}c_{tj}I(x \in R_{tj}) ht(x)=j=1∑JctjI(x∈Rtj)
- 从而本轮最终得到的强学习器的表达式: f t ( x ) = f t − 1 ( x ) + ∑ j = 1 J c t j I ( x ∈ R t j ) f_{t}(x) = f_{t-1}(x) + \sum\limits_{j=1}^{J}c_{tj}I(x \in R_{tj}) ft(x)=ft−1(x)+j=1∑JctjI(x∈Rtj)
- 用GBDT来解决我们的分类回归问题,区别仅仅在于损失函数不同导致的负梯度不同而已。
GBDT回归算法
输入是训练集样本
T
=
{
(
x
,
y
1
)
,
(
x
2
,
y
2
)
,
.
.
.
(
x
m
,
y
m
)
}
T=\{(x_,y_1),(x_2,y_2), ...(x_m,y_m)\}
T={(x,y1),(x2,y2),...(xm,ym)}, 最大迭代次数T,损失函数L。
输出是强学习器f(x)
- 初始化弱学习器 f 0 ( x ) = a r g m i n ⏟ c ∑ i = 1 m L ( y i , c ) f_0(x) = \underbrace{arg\; min}_{c}\sum\limits_{i=1}^{m}L(y_i, c) f0(x)=c argmini=1∑mL(yi,c)
- 对迭代轮数t = 1,2,…T有:
- 对样本i=1,2,…m,计算负梯度 r t i = − [ ∂ L ( y i , f ( x i ) ) ) ∂ f ( x i ) ] f ( x ) = f t − 1 ( x ) r_{ti} = -\bigg[\frac{\partial L(y_i, f(x_i)))}{\partial f(x_i)}\bigg]_{f(x) = f_{t-1} (x)} rti=−[∂f(xi)∂L(yi,f(xi)))]f(x)=ft−1(x)
- 利用 ( x i , r t i ) (x_i,r_{ti}) (xi,rti) ( i = 1 , 2 , . . , m ) (i=1,2,..,m) (i=1,2,..,m)拟合第t颗回归树,其对应的叶节点区域𝑅𝑡𝑗 (𝑗=1,2,…,𝐽)。
- 对叶子区域j = 1,2,…J, 计算最佳拟合值 c t j = a r g m i n ⏟ c ∑ x i ∈ R t j L ( y i , f t − 1 ( x i ) + c ) c_{tj} = \underbrace{arg\; min}_{c}\sum\limits_{x_i \in R_{tj}} L(y_i,f_{t-1}(x_i) +c) ctj=c argminxi∈Rtj∑L(yi,ft−1(xi)+c)
- 更新强学习器 f t ( x ) = f t − 1 ( x ) + ∑ j = 1 J c t j I ( x ∈ R t j ) f_{t}(x) = f_{t-1}(x) + \sum\limits_{j=1}^{J}c_{tj}I(x \in R_{tj}) ft(x)=ft−1(x)+j=1∑JctjI(x∈Rtj)
- 得到强学习器f(x)的表达式 f ( x ) = f T ( x ) = f 0 ( x ) + ∑ t = 1 T ∑ j = 1 J c t j I ( x ∈ R t j ) f(x) = f_T(x) =f_0(x) + \sum\limits_{t=1}^{T}\sum\limits_{j=1}^{J}c_{tj}I(x \in R_{tj}) f(x)=fT(x)=f0(x)+t=1∑Tj=1∑JctjI(x∈Rtj)
GBDT分类算法
由于样本输出不是连续的值,而是离散的类别,导致无法直接从输出类别去拟合类别输出的误差。
- 用指数损失函数,此时GBDT退化为Adaboost算法。
- 用类似于逻辑回归的对数似然损失函数,用类别的预测概率值和真实概率值的差来拟合损失。对于对数似然损失函数,又有二元分类和多元分类的区别。
二元GBDT分类算法
- 对于二元GBDT,如果用类似于逻辑回归的对数似然损失函数,则损失函数: L ( y , f ( x ) ) = l o g ( 1 + e x p ( − y f ( x ) ) ) L(y, f(x)) = log(1+ exp(-yf(x))) L(y,f(x))=log(1+exp(−yf(x))) y ∈ { − 1 , + 1 } y \in\{-1, +1\} y∈{−1,+1}
- 负梯度误差 r t i = − [ ∂ L ( y i , f ( x i ) ) ) ∂ f ( x i ) ] f ( x ) = f t − 1 ( x ) = y i / ( 1 + e x p ( y f ( x ) ) ) r_{ti} = -\bigg[\frac{\partial L(y_i, f(x_i)))}{\partial f(x_i)}\bigg]_{f(x) = f_{t-1} (x)}=y_i/(1+ exp(yf(x))) rti=−[∂f(xi)∂L(yi,f(xi)))]f(x)=ft−1(x)=yi/(1+exp(yf(x)))
- 对于生成的决策树,各个叶子节点的最佳负梯度拟合值为 c t j = a r g m i n ⏟ c ∑ x i ∈ R t j l o g ( 1 + e x p ( − y i ( f t − 1 ( x i ) + c ) ) ) c_{tj} = \underbrace{arg\; min}_{c}\sum\limits_{x_i \in R_{tj}} log(1+exp(-y_i(f_{t-1}(x_i) +c))) ctj=c argminxi∈Rtj∑log(1+exp(−yi(ft−1(xi)+c)))
- 由于上式比较难优化,一般使用近似值代替 c t j = ∑ x i ∈ R t j r t i / ∑ x i ∈ R t j ∣ r t i ∣ ( 1 − ∣ r t i ∣ ) c_{tj} = \sum\limits_{x_i \in R_{tj}}r_{ti}\bigg / \sum\limits_{x_i \in R_{tj}}|r_{ti}|(1-|r_{ti}|) ctj=xi∈Rtj∑rti/xi∈Rtj∑∣rti∣(1−∣rti∣)
- 除了负梯度计算和叶子节点的最佳负梯度拟合的线性搜索,剩余与GBDT回归算法过程相同。
多元GBDT分类算法
- 假设类别数为K,则此时对数似然损失函数为: L ( y , f ( x ) ) = − ∑ k = 1 K y k l o g p k ( x ) L(y, f(x)) = - \sum\limits_{k=1}^{K}y_klog\;p_k(x) L(y,f(x))=−k=1∑Kyklogpk(x)其中如果样本输出类别为k,则 y k = 1 y_k=1 yk=1。
- 第k类的概率 p k ( x ) p_{k(x)} pk(x)的表达式为 p k ( x ) = e x p ( f k ( x ) ) / ∑ l = 1 K e x p ( f l ( x ) ) p_k(x) = exp(f_k(x)) \bigg / \sum\limits_{l=1}^{K} exp(f_l(x)) pk(x)=exp(fk(x))/l=1∑Kexp(fl(x))
- 第𝑡轮的第𝑖个样本对应类别𝑙的负梯度误差为 r t i l = − [ ∂ L ( y i , f ( x i ) ) ) ∂ f ( x i ) ] f k ( x ) = f l , t − 1 ( x ) = y i l − p l , t − 1 ( x i ) r_{til} = -\bigg[\frac{\partial L(y_i, f(x_i)))}{\partial f(x_i)}\bigg]_{f_k(x) = f_{l, t-1}(x)} = y_{il} - p_{l, t-1}(x_i) rtil=−[∂f(xi)∂L(yi,f(xi)))]fk(x)=fl,t−1(x)=yil−pl,t−1(xi)这里的误差就是样本𝑖对应类别𝑙的真实概率和𝑡−1轮预测概率的差值。
- 对于 ( x i , r t i ) (x_i,r_{ti}) (xi,rti) ( i = 1 , 2 , . . , m ) (i=1,2,..,m) (i=1,2,..,m)生成的决策树,各个叶子节点的最佳负梯度拟合值为 c t j l = a r g m i n ⏟ c j l ∑ i = 0 m ∑ k = 1 K L ( y k , f t − 1 , l ( x ) + ∑ j = 0 J c j l I ( x i ∈ R t j l ) ) c_{tjl} = \underbrace{arg\; min}_{c_{jl}}\sum\limits_{i=0}^{m}\sum\limits_{k=1}^{K} L(y_k, f_{t-1, l}(x) + \sum\limits_{j=0}^{J}c_{jl} I(x_i \in R_{tjl})) ctjl=cjl argmini=0∑mk=1∑KL(yk,ft−1,l(x)+j=0∑JcjlI(xi∈Rtjl))
- 由于上式比较难优化,一般使用近似值代替 c t j l = K − 1 K ∑ x i ∈ R t j l r t i l ∑ x i ∈ R t i l ∣ r t i l ∣ ( 1 − ∣ r t i l ∣ ) c_{tjl} = \frac{K-1}{K} \; \frac{\sum\limits_{x_i \in R_{tjl}}r_{til}}{\sum\limits_{x_i \in R_{til}}|r_{til}|(1-|r_{til}|)} ctjl=KK−1xi∈Rtil∑∣rtil∣(1−∣rtil∣)xi∈Rtjl∑rtil
- 除了负梯度计算和叶子节点的最佳负梯度拟合的线性搜索,剩余与二元GBDT分类以及GBDT回归算法过程相同。
GBDT常用损失函数
对于分类算法,其损失函数一般有对数损失函数和指数损失函数两种:
- 指数损失函数 L ( y , f ( x ) ) = e x p ( − y f ( x ) ) L(y, f(x)) = exp(-yf(x)) L(y,f(x))=exp(−yf(x))
- 对数损失函数有二元分类和多元分类两种。
对于回归算法,常用损失函数有如下4种:
- 均方差损失 L ( y , f ( x ) ) = ( y − f ( x ) ) 2 L(y, f(x)) =(y-f(x))^2 L(y,f(x))=(y−f(x))2
- 绝对损失 L ( y , f ( x ) ) = ∣ y − f ( x ) ∣ L(y, f(x)) =|y-f(x)| L(y,f(x))=∣y−f(x)∣对应负梯度误差为: s i g n ( y i − f ( x i ) ) sign(y_i-f(x_i)) sign(yi−f(xi))
- Huber损失,均方差和绝对损失的折衷产物,对于远离中心的异常点,采用绝对损失,而中心附近的点采用均方差。这个界限一般用分位数点度量。 L ( y , f ( x ) ) = { 1 2 ( y − f ( x ) ) 2 ∣ y − f ( x ) ∣ ≤ δ δ ( ∣ y − f ( x ) ∣ − δ 2 ) ∣ y − f ( x ) ∣ > δ L(y, f(x))= \begin{cases} \frac{1}{2}(y-f(x))^2& {|y-f(x)| \leq \delta}\\ \delta(|y-f(x)| - \frac{\delta}{2})& {|y-f(x)| > \delta} \end{cases} L(y,f(x))={21(y−f(x))2δ(∣y−f(x)∣−2δ)∣y−f(x)∣≤δ∣y−f(x)∣>δ对应的负梯度误差为 r ( y i , f ( x i ) ) = { y i − f ( x i ) ∣ y i − f ( x i ) ∣ ≤ δ δ s i g n ( y i − f ( x i ) ) ∣ y i − f ( x i ) ∣ > δ r(y_i, f(x_i))= \begin{cases} y_i-f(x_i)& {|y_i-f(x_i)| \leq \delta}\\ \delta sign(y_i-f(x_i))& {|y_i-f(x_i)| > \delta} \end{cases} r(yi,f(xi))={yi−f(xi)δsign(yi−f(xi))∣yi−f(xi)∣≤δ∣yi−f(xi)∣>δ
- 分位数损失 L ( y , f ( x ) ) = ∑ y ≥ f ( x ) θ ∣ y − f ( x ) ∣ + ∑ y < f ( x ) ( 1 − θ ) ∣ y − f ( x ) ∣ L(y, f(x)) =\sum\limits_{y \geq f(x)}\theta|y - f(x)| + \sum\limits_{y < f(x)}(1-\theta)|y - f(x)| L(y,f(x))=y≥f(x)∑θ∣y−f(x)∣+y<f(x)∑(1−θ)∣y−f(x)∣其中𝜃为分位数,需要在回归前指定。对应的负梯度误差为 r ( y i , f ( x i ) ) = { θ y i ≥ f ( x i ) θ − 1 y i < f ( x i ) r(y_i, f(x_i))= \begin{cases} \theta& { y_i \geq f(x_i)}\\ \theta - 1 & {y_i < f(x_i) } \end{cases} r(yi,f(xi))={θθ−1yi≥f(xi)yi<f(xi)
对于Huber损失和分位数损失,主要用于健壮回归,也就是减少异常点对损失函数的影响。
GBDT的正则化
为了防止过拟合,需要对GBDT进行正则化。
- 步长(learning rate),定义为𝜈 f k ( x ) = f k − 1 ( x ) + ν h k ( x ) f_{k}(x) = f_{k-1}(x) + \nu h_k(x) fk(x)=fk−1(x)+νhk(x)𝜈的取值范围为0 < 𝜈 ≤ 1,对于同样的训练集学习效果,较小的𝜈意味着需要更多的弱学习器的迭代次数。
- 通过子采样比例(subsample), 取值为(0,1]。这里的子采样和随机森林不一样,随机森林使用的是放回抽样,而这里是不放回抽样。如果取值为1,则全部样本都使用,等于没有使用子采样。如果取值小于1,则只有一部分样本会去做GBDT的决策树拟合。选择小于1的比例可以减少方差,即防止过拟合,但是会增加样本拟合的偏差,因此取值不能太低。推荐在[0.5, 0.8]之间。
使用了子采样的GBDT有时也称作随机梯度提升树(Stochastic Gradient Boosting Tree, SGBT) - 对于弱学习器即CART回归树进行正则化剪枝。
GBDT小结
目前GBDT的算法比较好的优化是xgboost。
GBDT主要的优点:
- 可以灵活处理各种类型的数据,包括连续值和离散值。
- 在相对少的调参时间情况下,预测的准确率也可以比较高。(相对SVM)
- 使用一些健壮的损失函数,对异常值的鲁棒性非常强。比如Huber损失函数和Quantile损失函数。
GBDT的主要缺点:
- 由于弱学习器之间存在依赖关系,难以并行训练数据。不过可以通过自采样的SGBT来达到部分并行。