≪统计学习精要(The Elements of Statistical Learning)≫课堂笔记（十五）

梯度树提升算法(GTBA, gradient tree boosting algorithm)

继续boosting类算法哎。小小预告一下，下节课会直接跳到随机森林，老师貌似是想把各种分类器都一下子讲到，然后有点前后照应的比较～真有意思，若是以前扔给我这种问题我肯定run一个logit regression就不管了，现在倒是有各种线性的、广义线性的、非线性的模型可以试着玩了，爽哎～

------------------

1. 自适应基函数模型

小小的复习一下上节课那个框架。

1. 数据。 D={(xi,yi),1≤i≤N}

2. 模型。 f(x)=∑Mm=1βmb(x,γm)

为基函数模型，其中 {b(x,γ),γ∈Γ} 成为基函数集合。 {(βm,γm)}M1

为参数。

3. 损失函数（准则）。 L(y,f(x))

为损失函数，然后就转为一个优化问题：

{(β∗m,γ∗m)}M1=argmin∑Ni=1L(y,f(x))=argmin∑Ni=1L(yi,∑Mm=1βmb(x,γm))

4. 算法。 前向分步算法。

• 初始化： f0(x)=0

• 
  
• 迭代：For m=1 to M， (βm,γm)=argmin∑Ni=1L(yi,fm−1(xi)+βb(xi,γ))
• 
  
• 令 fm(x)=fm−1(x)+βmb(xi,γ)
• 。
• 输出 fm(x)
  • 。

  在此框架之下，除了上节课的Adaboost之外，还可以套用多种其他的基函数，然后1）定义损失函数 2）给出迭代那一步的优化算法，就可以实现一种boost提升算法了。

  2. 应用回归问题

  先采用均方误差的损失函数，定义 L(y,f(x))=(y−f(x))2

  ，这样就可以得到

  (β,γ)=argmin∑Ni=1(yi−fm−1(xi)−βb(xi,γ))2

  然后定义：

  rim=yi−fm−1(xi),1≤i≤N

  ， ⇒argminβ,γ∑Ni=1(rim−βb(xi,γ))2 。这里 (xi,rim)

  之后用回归树来求的话，就是梯度回归树算法。

  梯度回归树提升算法

  • 初始化： f0(x)=0
• 
  
• 迭代：For m=1 to M，计算 rim=yi−fm−1(xi) 。由 (xi,rim) 用回归树求得 Tm(x)
• .
• 令 fm(x)=fm−1(x)+Tm(x)
• 。
• 输出 fm(x)
  • 。

  3. GTBA，梯度树提升算法

  先吹捧一下：这个算法就是此书作者本人开发的，然后已经搞出来了软件包，可以做回归也可以做分类，貌似效果还胜过随机森林（当然是作者自己给出的那些例子...）。

  损失函数 L(y,f(x))

  为可微的。

  我们的优化目标是 ∑Ni=1L(yi,f(xi))

  ，也就是说实际上我们不是直接对 L(y,f(x)) 进行优化，而是仅仅在所有观测的数据点上优化，所以仅跟 f(⋅)

  在这些观测点上的值有关。感觉这里就是说，我们使用有限的观测到的信息来推断一个连续的函数，然后类推并用于其他未观测到的点。

  定义：

  f¯=⎡⎣⎢⎢⎢⎢⎢⎢⎢⎢f(x1)f(x2)⋮⋮f(xN)⎤⎦⎥⎥⎥⎥⎥⎥⎥⎥

  ，这样这个问题就从一个直接优化 f(⋅)

  的泛函问题转化为一个优化多元函数的问题...而对于一个多元函数，我们可以直接用梯度下降法。定义梯度为：

  f¯0,∂L∂f¯|f¯0=g¯0

  ，这样 f¯1=f¯0−g¯0 。类似的，我们可以定义 f¯m=f¯m−1−τg¯m−1 ，其中 g¯m−1=∂L∂f¯|f¯m−1

  。累加起来，就是

  f¯m=f¯0−τg¯m−1−⋯−τg¯0

  ，这里 τ 可以是常量也可以随着 m

  改变。

  定义完梯度下降之后，就是GTBA算法了。

  • 初始化。
  • 迭代：For m=1 to M，计算 rim=∂L(yi,f(xi))∂f(xi)|fm−1
  ，然后由 {(xi,rim),1≤i≤N} 用回归树求得 Tm(x)
• 。
• 令 fm(x)=fm−1(x)+Tm(x)
• 。
• 输出 fm(x)
  • 。

  一些梳理

  1. 参数。这里显然有如下参数需要设定：

  • M：迭代次数。这是这个算法最主要的参数，需要用Cross-validation来算。
  • J：树的大小。建议4-8，默认为6。
  • μ
  ：收缩系数。 fm(x)=fm−1(x)+μTm(x) 这里可以加上 μ
• 这个参数，决定收缩的速度，0-1之间。
• η
  • ：次采样率，0-1直接，默认0.5。用于做subsampling。

  2. 特征变量评价

  这个算法的一大优势就是可以给出各个自变量的评价。比如 P>N

  的时候我们可能面临特征变量选择问题。

  用t表示树中的节点， v(t)

  表示t节点所用的变量， τ2(t)

  表示t节点产生的均方误差的减小值。之后定义：

  xτ=∑tI(v(t)=xτ)τ2(t)

  ，可用这个值来刻画变量的重要性，从而进行特征评价。

  3. 通用工具

  该算法对于数据无特殊要求，有一批 D={(xi,yi),1≤i≤N}

  都可以扔进去试试，故可以作为其他算法的benchmark。

  此外，从贝叶斯分类器的角度，我们要找的是 f(x)=argmaxP(G|x)

  ，这样除了原有可以观测到的 (xi,Gi) 之上，还可以衍生出一个 Gi 向量，即 Gi=(0,0,..,1,..,0) ，第k个位置为1如果观测到的 (xi) 对应第k类。一下子就可以扩展整个数据集，也可以进一步对每类都赋一个概率，不单单是0-1这样。