机器学习 学习笔记4
总目录
第八章 集成学习
8.1 个体与集成
集成学习 (ensemble learning) 通过构建并结合多个学习器来完成学习任务,有时也被称为多分类器系统(multi-classifier system) 、基于委员会的学习(committee-based learning) 等.
集成学习的一般结构:先产生一组"个体学习 器" (individual learner),再用某种策略将它们结合起来。
- 同质集成:只包含同种类型的个体学习器,例如"决策树集成" 中全是决策树,“神经网络集成"中全是神经网络。
同质集成中的个体学习器亦称基学习器 .
相应的学习算法称为基学习算法。
- 异质集成:包含不同类型的个体学习器,例如同时包含决策树和神经网络,异质集成中的个体学习器由不同的学习算法生成。个体学习器一般不称为基学习器,常称为"组件学习器” 。
集成学习通过将多个学习器进行结合,常可获得比单一学习器显著优越的泛化性能。这对弱学习器尤为明显。(弱学习器:泛化性能略优于随机猜想的学习器。)
虽然从理论上来说使用弱学习器集成足以获得好的性能,但在实践中出于种种考虑,例如希望使用较少的个体学习器,或是重用关于常见学习器的一些经验等,人们往往会使用比较强的学习器。要获得好的集成, 个体学习器应"好而不同”,即个体学习器要有一定的准确性。并且要有"多样性" ,即学习器间具有差异。
考虑二分类问题 y ϵ { − 1. + 1 } y\ \epsilon \ \{-1.+1\} y ϵ {
−1.+1},和真实函数 f f f, 假定基分类器的错误率为 ε ε ε,即对每个基分类器 h i h_i hi,有:
P ( h i ( x ) = ̸ f ( x ) ) = ϵ P(h_i(\bm{x}) =\not f(\bm{x}))=\epsilon P(hi(x)≠f(x))=ϵ
假设集成通过简单投票法结合 T 个基分类器,若有超过半数的基分类器正确, 则集成分类就正确:
H ( x ) = s i g n ( ∑ i = 1 T h i ( x ) ) H(\bm{x})=sign(\sum_{i=1}^Th_i(\bm{x})) H(x)=sign(i=1∑Thi(