集成学习进阶
- xgboost
- lightGBM
xgboost
xgboost原理
XGBoost(Extreme Gradient Boosting)全名叫极端梯度提升树,XGBoost是集成学习⽅法的王牌,在Kaggle数据挖掘 ⽐赛中,⼤部分获胜者⽤了XGBoost。
目标函数:
CART树:
树的复杂度:
计算分裂节点:
停⽌分裂条件判断
xgboost算法
xgboost的安装:
pip install xgboost
xgboost参数介绍:
xgboost中封装了很多参数,主要由三种类型构成:通⽤参数(general parameters),Booster 参数(booster parameters)和学习⽬标参数(task parameters)
- 通⽤参数:主要是宏观函数控制;
- Booster参数:取决于选择的Booster类型,⽤于控制每⼀步的booster(tree, regressiong);
- 学习⽬标参数:控制训练⽬标的表现。
通⽤参数(general parameters):
booster [缺省值=gbtree] 决定使⽤哪个booster,可以是gbtree,gblinear或者dart。 gbtree和dart使⽤基于树的模型(dart 主要多了 Dropout),⽽gblinear 使⽤线性函数.
silent [缺省值=0] 设置为0打印运⾏信息;设置为1静默模式,不打印
nthread [缺省值=设置为最⼤可能的线程数] 并⾏运⾏xgboost的线程数,输⼊的参数应该<=系统的CPU核⼼数,若是没有设置算法会检测将其设置为CPU 的全部核⼼数
Booster 参数(booster parameters):
学习⽬标参数(task parameters):
案例
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction import DictVectorizer
from xgboost import XGBClassifier
#1.获取数据
titan = pd.read_csv("titanic.txt")
#2.数据的基本处理
#特征值+目标值
x = titan[['pclass','age','sex']]
y = titan['survived']
#缺失数据处理
x['age'].fillna(value=titan['age'].mean(),inplace=True)
#数据集划分
x_train,x_test,y_train,y_test = train_test_split(x,y,random_state=22,test_size=0.2)
#3.特征工程
x_train = x_train.to_dict(orient='records')
x_test = x_test.to_dict(orient='records')
transfer = DictVectorizer()
x_train = transfer.fit_transform(x_train)
x_test = transfer.fit_transform(x_test)
#4.xgboost模型训练
#初步模型训练
xg = XGBClassifier()
xg.fit(x_train,y_train)
print(xg.score(x_test, y_test))
#对max_depth进行调优
depth_range = range(10)
score = []
for i in depth_range:
xg = XGBClassifier(eta=1,gamma=0,max_depth=i)
xg.fit(x_train,y_train)
s = xg.score(x_test,y_test)
print(s)
score.append(s)
#调优结果可视化
plt.plot(depth_range,score)
plt.show()
lightGBM
lightGBM原理:
lightGBM 主要基于以下⽅⾯优化,提升整体特特性:
- 基于Histogram(直⽅图)的决策树算法
- Lightgbm 的Histogram(直⽅图)做差加速
- 带深度限制的Leaf-wise的叶⼦⽣⻓策略
- 直接⽀持类别特征
- 直接⽀持⾼效并⾏
基于Histogram(直⽅图)的决策树算法:
优点:
- 内存消耗降低
- 计算的时间复杂度降低
缺点:
- 分割不精确,可能对计算结果有影响
Lightgbm 的Histogram(直⽅图)做差加速:
带深度限制的Leaf-wise的叶⼦⽣⻓策略:
直接⽀持⾼效并⾏:
lightGBM算法api介绍
安装:
pip install lightgbm
参数介绍:
案例
import lightgbm as lgb
from sklearn.datasets import load_iris
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import train_test_split
# 读取数据
iris = load_iris()
data = iris.data
target = iris.target
# 数据基本处理
x_train, x_test, y_train, y_test = train_test_split(data, target, test_size=0.2)
# 模型训练
# 模型基本训练
gbm = lgb.LGBMRegressor(objective='regression', learning_rate=0.05, n_estimators=200)
gbm.fit(x_train, y_train, eval_set=[(x_test, y_test)], eval_metric='11', early_stopping_rounds=3)
print(gbm.score(x_test, y_test))
# 通过网格搜索进行训练
estimators = lgb.LGBMRegressor(num_leaves=31)
param_grid = {
'learning_rate': [0.01, 0.1, 1],
'n_estimators': [20, 40, 60, 80]
}
gbm = GridSearchCV(estimators, param_grid, cv=5)
gbm.fit(x_train, y_train)
gbm.best_params_
gbm = lgb.LGBMRegressor(objective='regression', learning_rate=0.05, n_estimators=200)
gbm.fit(x_train, y_train, eval_set=[(x_test, y_test)], eval_metric='11', early_stopping_rounds=3)
print(gbm.score(x_test, y_test))