python一元三次方程拟合_XGBoost的原理、公式推导、Python实现和应用

最新推荐文章于 2024-05-03 21:21:38 发布

呕文不踢足球

最新推荐文章于 2024-05-03 21:21:38 发布

阅读量849

点赞数

文章标签： python一元三次方程拟合

本文链接：https://blog.csdn.net/weixin_29185493/article/details/112152644

版权

本文详细介绍了XGBoost的基本思想、优化策略和应用场景。从GBDT出发，探讨了XGBoost的泰勒展开、正则化和目标函数优化，展示了其在特征选择和电商预估中的应用，并总结了XGBoost的优缺点和与GBDT的区别。

摘要由CSDN通过智能技术生成

XGBoost（eXtreme Gradient Boosting）极致梯度提升，是一种基于GBDT的算法或者说工程实现。

XGBoost的基本思想和GBDT相同，但是做了一些优化，比如二阶导数使损失函数更精准；正则项避免树过拟合；Block存储可以并行计算等。

XGBoost具有高效、灵活和轻便的特点，在数据挖掘、推荐系统等领域得到广泛的应用。

本文先回顾GBDT、泰勒公式、正则、一元二次函数等XGBoost的基础知识；接着介绍XGBoost原理、目标函数求导、目标函数解和学习训练；然后指出XGBoost在特征处理、电商预估上的应用；最后对XGBoost模型进行总结，指出XGBoost模型的优缺点，并与GBDT进行对比，及XGBoost的演化。主要目录结构如下：

一、XGBoost基础
1、GBDT
2、函数的近似计算
3、泰勒公式
4、正则
5、一元二次函数 二、XGBoost原理
1、XGBoost原理
2、XGBoost目标函数推导
3、XGBoost目标函数解
4、XGBoost树训练 三、XGBoost应用
1、XGBoost库
2、XGBoost挖掘特征
3、XGBoost电商预估 四、XGBoost总结
1、XGBoost的优缺点
2、XGBoost VS GBDT
3、XGBoost的演化

直接上PPT。

XGBoost的原理、公式推导、Python实现和应用

一、XGBoost基础

XGBoost基础的目录

1、GBDT

梯度提升决策树（Gradient Boosting Decision Tree，GBDT）是一种基于boosting集成思想的加法模型，训练时采用前向分布算法进行贪婪的学习，每次迭代都学习一棵CART树来拟合之前 t-1 棵树的预测结果与训练样本真实值的残差。

GBDT

梯度提升决策树算法（GBDT）如下：

第一步：初始化弱学习器

GBDT初始化弱学习器

第二步：迭代训练

GBDT迭代训练

更多GBDT可参考：

刘启林：GBDT的原理、推导和应用zhuanlan.zhihu.com

2、函数的近似计算

什么是函数的近似计算？

函数的近似计算

3、泰勒公式

什么是泰勒公式？

泰勒公式

4、正则

什么是L1、L2正则？

正则

5、一元二次函数

什么是一元二次函数的最优解？

一元二次函数

二、XGBoost原理

XGBoost原理

1、XGBoost原理

XGBoost（eXtreme Gradient Boosting）极致梯度提升，是基于GBDT的一种算法。

2016年，陈天奇在论文《 XGBoost：A Scalable Tree Boosting System》中正式提出。

这是源头，这是根，强烈推荐、推荐、推荐。

XGBoost：A Scalable Tree Boosting Systemarxiv.org

XGBoost提出

XGBoost的基本思想和GBDT相同，但XGBoost进行许多优化。

XGBoost进行许多优化

2、XGBoost目标函数推导

XGBoost的目标函数由损失函数和正则化项两部分组成。

XGBoost的目标函数

用GBDT梯度提升树表达方式XGBoost。

用GBDT梯度提升树表达方式XGBoost

接下来，三个步骤优化XGBoost目标函数。

第一步：二阶泰勒展开，去除常数项，优化损失函数项；
第二步：正则化项展开，去除常数项，优化正则化项；
第三步：合并一次项系数、二次项系数，得到最终目标函数。

第一步：二阶泰勒展开，去除常数项

关键是二阶泰勒展开。

目标函数的二阶泰勒展开

第二步：正则化项展开，去除常数项

关键是前向计算，t-1棵数的结构已经确定。

简化正则化项

第三步：合并一次项系数、二次项系数

建议这部分参考陈天奇大神的PPT《 Introduction to Boosted Trees》，讲的够细、够细、够细。

Introduction to Boosted Treeshomes.cs.washington.edu

先重新定义一棵树。

先重新定义一棵树

然后定义树的复杂度。

然后定义树的复杂度

接着带入目标函数，对结点进行分组。

接着带入目标函数，对结点进行分组

最后，合并一次项系数、二次项系数。

最后，合并一次项系数、二次项系数

3、XGBoost目标函数解

构建形如一元二次方程形式，求最优值。

构建形如一元二次方程，求最优值

目标值Obj最小，则树结构最好，此时即是目标函数的最优解。

目标函数的最优解

4、XGBoost树训练

在实际训练XGBoost树中，最佳分裂点是一个关键问题。

XGBoost树训练

三、XGBoost应用

XGBoost应用的目录

1、XGBoost库

XGBoost库是XGBoost算法的一种实现。

XGBoost是一个优化的分布式梯度提升库，被设计为高效、灵活和轻便。

GitHub：https://github.com/tqchen/xgboost

XGBoost库

优化XGBoost系统设计如下：

优化XGBoost系统设计

2、XGBoost挖掘特征

XGBoost一个很重要应用就是进行数据特征挖掘分析。本例子是挖掘哪些特征是糖尿病重要特征。

XGBoost挖掘特征

数据集：diabetes.csv

中文：皮马印第安人糖尿病数据集
英文：Pima Indians Diabetes Database

可以从Github上下载：diabetes.csv

diabetes.csvgithub.com

代码如下：

import pandas as pd
from sklearn import metrics
from sklearn.model_selection import train_test_split
import xgboost as xgb
import matplotlib.pyplot as plt

# 导入数据集
df = pd.read_csv("./data/diabetes.csv")
data=df.iloc[:,:8]
target=df.iloc[:,-1]
 
# 切分训练集和测试集
train_x, test_x, train_y, test_y = train_test_split(data,target,test_size=0.2,random_state=7)

# xgboost模型初始化设置
dtrain=xgb.DMatrix(train_x,label=train_y)
dtest=xgb.DMatrix(test_x)
watchlist = [(dtrain,'train')]

# booster:
params={'booster':'gbtree',
        'objective': 'binary:logistic',
        'eval_metric': 'auc',
        'max_depth':5,
        'lambda':10,
        'subsample':0.75,
        'colsample_bytree':0.75,
        'min_child_weight':2,
        'eta': 0.025,
        'seed':0,
        'nthread':8,
        'gamma':0.15,
        'learning_rate' : 0.01}

# 建模与预测：50棵树
bst=xgb.train(params,dtrain,num_boost_round=50,evals=watchlist)
ypred=bst.predict(dtest)
 
# 设置阈值、评价指标
y_pred = (ypred >= 0.5)*1
print ('Precesion: %.4f' %metrics.precision_score(test_y,y_pred))
print ('Recall: %.4f' % metrics.recall_score(test_y,y_pred))
print ('F1-score: %.4f' %metrics.f1_score(test_y,y_pred))
print ('Accuracy: %.4f' % metrics.accuracy_score(test_y,y_pred))
print ('AUC: %.4f' % metrics.roc_auc_score(test_y,ypred))

ypred = bst.predict(dtest)
print("测试集每个样本的得分n",ypred)
ypred_leaf = bst.predict(dtest, pred_leaf=True)
print("测试集每棵树所属的节点数n",ypred_leaf)
ypred_contribs = bst.predict(dtest, pred_contribs=True)
print("特征的重要性n",ypred_contribs )

xgb.plot_importance(bst,height=0.8,title='影响糖尿病的重要特征', ylabel='特征')
plt.rc('font', family='Arial Unicode MS', size=14)
plt.show()

运行结果：

Precesion: 0.8158
Recall: 0.5439
F1-score: 0.6526
Accuracy: 0.7857
AUC: 0.8699

影响糖尿病的重要特征

结果如上所示：

模型的AUC为0.8699，其中，Glucose（血糖）、BMI（体质指数）、DiabetesPedigreeFunction（糖尿病系统）三个指标对模型影响较大。

3、XGBoost电商预估

XGBoost电商预估

2019泰达杯跨境电商智能算法大赛

安泰杯 -- 跨境电商智能算法大赛-天池大赛-阿里云天池tianchi.aliyun.com

冠军的Github

RainFung/Tianchi-AntaiCup-International-E-commerce-Artificial-Intelligence-Challengegithub.com

四、XGBoost总结

XGBoost总结的目录

1、XGBoost的优缺点

XGBoost的优缺点

2、XGBoost VS GBDT

XGBoost VS GBDT

抓住：XGBoost是极致GBDT就OK。

XGBoost是极致GBDT

3、XGBoost的演化

XGBoost的演化

XGBoost总结：

What：什么是XGBoost？

How：怎么实现XGBoost？

Why：为什么需要XGBoost？

基于2W+1H原则对XGBoost进行总结

由于能力和水平的限制，我的可能是错的。

参考文献：

1、同济大学数学系，高等数学(第六版)[M]，高等教育出版社，2007.04
2、Tianqi Chen，Introduction to Boosted Trees（PPT），2014.10.
3、Tianqi Chen and Carlos Guestrin. XGBoost: A Scalable Tree Boosting System. In 22nd SIGKDD Conference on Knowledge Discovery and Data Mining, 2016