GBDT算法梳理

GBDT简介

GBDT 是Boosting中的一大类算法，GBDT=Gradient+Boosting Desion Trees。

• BDT
  回归树，基本思想是：根据每个基学习器剩余的残差，即损失函数的值。在残差减少的方向上建立一个新的基学习器，直到达到一定拟合精度后停止.（注：使用的决策树是CART回归树，无论是处理回归问题还是二分类以及多分类，GBDT使用的决策树通通都是都是CART回归树。为什么不用CART分类树呢？因为GBDT每次迭代要拟合的是梯度值，是连续值所以要用回归树）
• Graident boosting：
  Freidman提出梯度提升算法(Graident boosting),解决一般的损失函数的优化问题，利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。GBDT是回归树而不是分类树，调整后可用于分类。

前向分步算法

• 加法模型：
• • 数学表达式$$f(x)=\sum _{m=1}^M{\beta }_{m}b\left(x;{\gamma }_m\right)$$其中$b\left(x;{\gamma }_m\right)$为基函数，${\gamma }_m$为基函数的参数，${\beta }_m$为基函数的系数（权重）
• • 优化目标
    将$f(x)$的学习训练过程，抓换为损失函数极小化问题：
    $$\underset{{\beta }_m,{\gamma }_m}{\min }\sum _{i=1}^{N}L\left(y_i,\sum _{m=1}^M{\beta }_{m}b\left(x_i;{\gamma }_m\right)\right)$$
• 前向分布算法基本思想
• • 从前往后，一步只学习一个基函数，逐步逼近优化目标函数。
• • 每步只需要优化当前的损失函数
    $$\underset{\beta ,\gamma }{\min }\sum _{i=1}^{N}L\left(y_i,\beta b\left(x_i;\gamma \right)\right)$$
• 前向分步算法与AdaBoost
  当加法模型中的基函数为基分类器的时候，加法模型与Adaboost最终集成的分类器等价：
  $$f(x)=\sum _{m=1}^M{\alpha }_m{G}_m(x)$$
  其中$G_m(x)$为基分类器，${\alpha }_m$为基分类器的权重

负梯度拟合

1. 根据前向分布算法：假设上一轮得到的强学习器是$\equiv f_{t-1}(x)$，损失函数为$L\left(y,f_{t-1}(x)\right)$，本轮目标是找到一个基学习器$h_t(x)$，使得本轮的目标函数$L\left(y,f_t(x)\right)=L\left(y,f_{t-1}(x)+h_t(x)\right)$最小。换言之，本轮的CART决策树，应该使样本的损失函数更小。
2. 利用损失函数$L\left(y_i,f\left(x_i\right)\right)$的负梯度作为本轮损失函数的残差估计（若损失函数为平方损失函数，就是通常所说的残差），进而拟合一个优质的CART决策树。将第t 轮第i 个样本的损失函数负梯度表示为：$$r_{ti}=-{\left[\frac{\partial L\left(y_i,f\left(x_i\right)\right)}{\partial f\left(x_i\right)}\right]}_{f(x)=f_{t-1}(x)}$$
3. 利用$\left(x_i,r_{ti}\right)i=1,2,3,\dots ,m$，拟合本轮（t轮）的CART回归树，其对应的叶节点区域设为$R_{tj},j=1,2,3,\dots ,J$，其中$J$为叶子点的个数。
4. 针对每一个叶子节点中的样本，我们求出使损失函数最小，也就是拟合叶子节点最好的输出值${\mathrm{c}}_{\mathrm{t}\mathrm{j}}$ ,定义如下：$$c_{tj}=\underset{c}{\underbrace{\arg \min }}\sum _{x_i\in R_{tj}}L\left(y_i,f_{t-1}\left(x_i\right)+c\right)$$
5. t 轮决策树的拟合函数：$$h_t(x)=\sum _{j=1}^J{c}_{tj}I\left(x\in R_{tj}\right)$$
6. t 轮之后最终的强学习器表达式：$$f_t(x)=f_{t-1}(x)+\sum _{j=1}^J{c}_{tj}I\left(x\in R_{tj}\right)$$
   通过损失函数的负梯度拟合，可找到一种通用的拟合损失函数的方法，这样无论是分类问题还是回归问题，通过其损失函数的负梯度拟合，就可以用GBDT来解决分类回归问题。(拟合残差只是考虑到损失函数为平方损失的特殊情况，负梯度是更加广义上的拟合项，更具普适性。)

损失函数

GBDT 主要依据不同的损失函的梯度进行更新，针对回归与分类问题，有不同的损失函数如下：

• 回归问题
• • 平方损失函数$$L(y,f(x))=(y-f(x){)}^2$$
• • 绝对损失函数$$L(y,f(x))=|y-f(x)|$$
• 分类问题
• • 指数函数损失函数$$L(y,f(x))=e^{(-yf(x))}$$
• • 对数损失函数(对数似然损失函数)
• • • 二分类问题$$L(y,f(x))=\log (1+\exp (-yf(x)))$$
• • • 多分类问题$$L(y,f(x))=-\sum _{k=1}^K{y}_k\log \left(p_k(x)\right)$$

回归

• • 损失函数，以平方差损失函数为例：$$L(y,f(x))=(y-f(x){)}^2$$
• • 则对应的负梯度为$$r_{ti}=-{\left[\frac{\partial L\left(y_i,f\left(x_i\right)\right)}{\partial f\left(x_i\right)}\right]}_{f(x)=f_{t-1}(x)}=y_i-f_{t-1}(x)$$
• • 按照上述负梯度介绍构建回归树，并再集成。

分类

这里我们再看看GBDT分类算法，GBDT的分类算法从思想上和GBDT的回归算法没有区别，但是由于样本输出不是连续的值，而是离散的类别，导致我们无法直接从输出类别去拟合类别输出的误差。

为了解决这个问题，主要有两个方法，一个是用指数损失函数，此时GBDT退化为Adaboost算法。另一种方法是用类似于逻辑回归的对数似然损失函数（上述损失函数所介绍）的方法。也就是说，我们用的是类别的预测概率值和真实概率值的差来拟合损失。
除了负梯度计算，其他过程和回归梯度拟合一致。

正则化

GBDT的正则化主要分三种：

• 加入步长v限制:
  对于前一轮的基学习器的迭代$$f_k(x)=f_{k-1}(x)+h_k(x)$$加入步长正则项，则变为$$f_k(x)=f_{k-1}(x)+\nu h_k(x)$$v 的取值范围为[0,1]。对于同样的训练集学习效果，较小的 v 意味着我们需要更多的弱学习器的迭代次数。通常我们用步长和迭代最大次数一起来决定算法的拟合效果。
• 设置 子采样比例
• • 注意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)。由于使用了子采样，程序可以通过采样分发到不同的任务去做 boosting 的迭代过程，最后形成新树，从而减少弱学习器难以并行学习的弱点。
• 对基学习器即 CART 回归树进行正则化剪枝

优点与缺点

• 优点
• 预测精度高
• 适合低维数据
• 能处理非线性数据
• 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，预测的准备率也可以比较高。这个是相对SVM来说的。
• 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。
• 缺点
• 由于弱学习器之间存在依赖关系，难以并行训练数据.
• 如果数据维度较高时会加大算法的计算复杂度

sklearn 参数

在scikit-learning中，GradientBoostingClassifier对应GBDT的分类算法，GradientBoostingRegressor对应GBDT的回归算法

GradientBoostingRegressor(loss=’ls’, learning_rate=0.1, n_estimators=100, 
                subsample=1.0, criterion=’friedman_mse’, min_samples_split=2,
                min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_depth=3,
                min_impurity_decrease=0.0, min_impurity_split=None, init=None, 
                random_state=None, max_features=None, alpha=0.9, verbose=0, 
                max_leaf_nodes=None, warm_start=False, presort=’auto’, 
                validation_fraction=0.1, n_iter_no_change=None, tol=0.0001)

• n_estimators：弱学习器的最大迭代次数，也就是最大弱学习器的个数。
• learning_rate：步长，即每个学习器的权重缩减系数a，属于GBDT正则化方化手段之一。
• subsample：子采样，取值(0,1]。决定是否对原始数据集进行采样以及采样的比例，也是- [ ] GBDT正则化手段之一。
• init：我们初始化的时候的弱学习器。若不设置，则使用默认的。
• loss：损失函数，可选{‘ls’-平方损失函数，‘lad’绝对损失函数-,‘huber’-huber损失函- [ ] 数,‘quantile’-分位数损失函数}，默认’ls’。
• alpha：当我们在使用Huber损失"Huber"和分位数损失"quantile"时，需要指定相应的值。默认是0.9，若噪声点比较多，可适当降低这个分位数值。
• criterion：决策树节搜索最优分割点的准则，默认是"friedman_mse"，可选"mse"-均方误差与’mae"-绝对误差。
• max_features：划分时考虑的最大特征数，就是特征抽样的意思，默认考虑全部特征。
• max_depth：树的最大深度。
• min_samples_split：内部节点再划分所需最小样本数。
• min_samples_leaf：叶子节点最少样本数。
• max_leaf_nodes：最大叶子节点数。
• min_impurity_split：节点划分最小不纯度。
• presort：是否预先对数据进行排序以加快最优分割点搜索的速度。默认是预先排序，若是稀疏数据，则不会预先排序，另外，稀疏数据不能设置为True。
• validationfraction：为提前停止而预留的验证数据比例。当n_iter_no_change设置时才能用。
• n_iter_no_change：当验证分数没有提高时，用于决定是否使用早期停止来终止训练。