人工智能入门课程学习（9）——集成算法

1.集成算法介绍

集成学习通过建立几个模型来解决单一预测问题。它的工作原理是生成多个分类器/模型，各自独立地学习和作出预测。这些预测最后结合成组合预测，因此优于任何一个单分类的做出预测。

1.2 机器学习中的两个核心任务

1.3 集成学习中boosting和Bagging

只要单分类器的表现不太差，集成学习的结果总是要好于单分类器的.

2.Bagging与随机森林

2.1 Bagging集成原理

2.2 随机森林的构造过程

在机器学习中，随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。
随机森林 = Bagging + 决策树

随机森林够造过程中的关键步骤（用N来表示训练用例（样本）的个数，M表示特征数目）：

​ 1）一次随机选出一个样本，有放回的抽样，重复N次（有可能出现重复的样本）
​ 2） 随机去选出m个特征, m <<M，建立决策树

2.3 随机森林API介绍

• sklearn.ensemble.RandomForestClassifier(n_estimators=10, criterion=’gini’, max_depth=None, bootstrap=True, random_state=None, min_samples_split=2)
  

2.4 随机森林预测泰坦尼克号的生存率

# 1.数据的获取
data = pd.read_csv("http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt")

data.head()

# 2.数据的基本处理
# 2.1 确定要处理的特征值与目标值
x = data[['pclass','age','sex']]
y = data['survived']
# 2.2 数据缺失值的处理 年龄列里边才有缺失值的存在
x['age'].fillna(x['age'].mean(),inplace=True)

x.head()

# 数据集的划分
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.2)

x_train.head()

# 3.特征工程  将数组特征转换成字典特征
transfer = DictVectorizer(sparse=False)

x_train = transfer.fit_transform(x_train.to_dict(orient="records"))
x_test = transfer.transform(x_test.to_dict(orient="records"))


# 4.机器学习
# 4.1 建立模型
estimator = RandomForestClassifier(n_estimators=100,criterion="entropy",max_depth=5)
# 训练模型
estimator.fit(x_train,y_train)

# 模型评估    准确率
estimator.score(x_test,y_test)

2.5 bagging集成优点

​ Bagging + 决策树/线性回归/逻辑回归/深度学习… = bagging集成学习方法

经过上面方式组成的集成学习方法:

- 均可在原有算法上提高约2%左右的泛化正确率
-简单, 方便, 通用

3.Boosting

3.1 Boosting简介

随着学习的积累从弱到强
简而言之：每新加入一个弱学习器，整体能力就会得到提升

代表算法：Adaboost，GBDT，XGBoost

3.2 实现过程：

关键点：

如何确认投票权重？

如何调整数据分布？

3.3 bagging集成与boosting集成的区别：

• 区别一:数据方面

Bagging：对数据进行采样训练；

Boosting：根据前一轮学习结果调整数据的重要性。

• 区别二:投票方面

Bagging：所有学习器平权投票；

Boosting：对学习器进行加权投票。

• 区别三:学习顺序

Bagging的学习是并行的，每个学习器没有依赖关系；

Boosting学习是串行，学习有先后顺序。

• 区别四:主要作用

Bagging主要用于提高泛化性能（解决过拟合，也可以说降低方差）

Boosting主要用于提高训练精度 （解决欠拟合，也可以说降低偏差）

3.4 api介绍

• from sklearn.ensemble import AdaBoostClassifier
• api链接:
  https://scikitlearn.org/stable/modules/generated/sklearn.ensemble.AdaBoostClassifier.html#sklearn.ensemble.AdaBoostClassifier

4.总结