算法梳理之GBDT

算法梳理之GBDT

目录：
一、GBDT是什么？
二、负梯度拟合
三、 损失函数
四、回归分类
五、多元分类
六、正则化
七、优缺点
八、sklearn参数
九、应用场景

一、GBDT是什么？

GBDT 的全称是 Gradient Boosting Decision Tree，梯度提升决策树。是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来就是最后结果。是集成学习中的一个代表算法。

GBDT的迭代思想可以用一个通俗的例子解释，假如有个人30岁，我们首先用20岁去拟合，发现损失有10岁，这时我们用6岁去拟合剩下的损失，发现差距还有4岁，第三轮我们用3岁拟合剩下的差距，差距就只有一岁了。如果我们的迭代轮数还没有完，可以继续迭代下面，每一轮迭代，拟合的岁数误差都会减小。

二、负梯度拟合

在GBDT的迭代中，假设我们前一轮迭代得到的强学习器是$$f_{t-1}(x)$$, 损失函数是$$L(y,f_{t-1}(x))$$, 本轮迭代的目标是找到一个CART回归树模型的弱学习器$$h_t(x)$$，让本轮的损失函数$$L(y,f_t(x))=L(y,f_{t-1}(x)+h_t(x))$$最小。也就是说，本轮迭代找到决策树，要让样本的损失尽量变得更小。

针对解决损失函数拟合方法的问题，大牛Freidman提出了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。第t轮的第i个样本的损失函数的负梯度表示为

$$r_{ti}=-[\frac{\partial L(y_i,f(x_i))}{\partial f(x_i)}{]}_{f(x)=f_{t-1}(x)}$$

利用$$(x_i,r_{ti})(i=1,2,...,n)$$,可以拟合一颗CART回归树，得到的第t棵回归树，其对应的叶节点区域$$R_{tj},j=1,2,...,J$$。其中J为叶子节点的个数。针对每一个叶子节点里的样本，求出使损失函数最小，也就是拟合叶子节点最好的的输出值$$c_{tj}$$如下$$（注：这里的c代表的是未知变量，其求得的使损失函数L最小的值是c_{tj}）：$$
$$c_{tj}=argmin\sum _{x_iϵR_{tj}}L(y_i,f_{t-1}(x_i)+c)$$

这样就得到了本轮的决策树拟合函数如下：
$$h_t(x)=\sum _{j=1}^J{c}_{tj}I(xϵR_{tj})$$
经过本轮(第 t 轮)学习后得到的强学习器的表达式如下：
$$f_t(x)=f_{t-1}(x)+\sum _{j=1}^J{c}_{tj}I(xϵR_{tj})$$
通过损失函数的负梯度来拟合，找到了一种通用的拟合损失误差的办法，这样无轮是分类问题还是回归问题，通过其损失函数的负梯度的拟合，就可以用GBDT来解决分类和回归问题。区别仅仅在于损失函数不同导致的负梯度不同而已。

三、损失函数

分类算法

1、 如果是指数损失函数，则损失函数表达式为
$$L(y,f(x))=exp(-yf(x))$$ 其负梯度计算和叶子节点的最佳残差拟合参见Adaboost原理篇。

2、如果是对数损失函数，分为二元分类和多元分类两种，参见3.1节和3.2节。

回归算法

对于回归算法，常用损失函数有如下4种：

1、均方差，这个是最常见的回归损失函数$$L(y,f(x))=(y-f(x){)}^2$$ 2、绝对损失，这个损失函数也很常见$$L(y,f(x))=|y-f(x)|$$对应负梯度误差为：$$sign(y_i-f(x_i))$$ 3、Huber损失，它是均方差和绝对损失的折衷产物，对于远离中心的异常点，采用绝对损失，而中心附近的点采用均方差。这个界限一般用分位数点度量。损失函数如下：

对应的负梯度误差为：

4、 分位数损失。它对应的是分位数回归的损失函数，表达式为

其中θθ为分位数，需要我们在回归前指定。对应的负梯度误差为：

对于Huber损失和分位数损失，主要用于健壮回归，也就是减少异常点对损失函数的影响。

四、回归分类

GBDT的回归算法：

GBDT的二分类算法：

五、多元分类

GBDT多元分类：

六、正则化

GBDT的正则化主要有三种方式：

1、Adaboost类似的正则化项，即步长(learning rate)。定义为ν,对于前面的弱学习器的迭代 ：
$$f_k(x)=f_{k-1}(x)+h_k(x)f_k(x)=f_{k-1}(x)+h_k(x)$$ 如果我们加上了正则化项，则有 :$$f_k(x)=f_{k-1}(x)+\nu h_k(x)f_k(x)=f_{k-1}(x)+\nu h_k(x)$$对于同样的训练集学习效果，较小的ν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。
　　
2、通过子采样比例（subsample）。取值为(0,1]。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。
　　
3、对于弱学习器即CART回归树进行正则化剪枝。

七、优缺点

优点：
1、可以处理不同类型的数据 ，包括连续值和离散值。
2、调参时间较少情况下，预测力较强。
3、通过使用鲁棒的损失函数，对异常点具有鲁棒性。

缺点：
1、每棵树按顺序生成，依赖关系较强，很难并行。

八、sklearn参数

官方链接：http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.GradientBoostingClassifier.html
参考博客：https://www.cnblogs.com/pinard/p/6143927.html

class sklearn.ensemble.GradientBoostingClassifier(loss='deviance',
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, verbose=0, max_leaf_nodes=None, 
warm_start=False, presort='auto')

GBDT类库boosting框架参数

首先，我们来看boosting框架相关的重要参数。由于GradientBoostingClassifier和GradientBoostingRegressor的参数绝大部分相同，我们下面会一起来讲，不同点会单独指出。

1、n_estimators: 也就是弱学习器的最大迭代次数，或者说最大的弱学习器的个数。一般来说n_estimators太小，容易欠拟合，n_estimators太大，又容易过拟合，一般选择一个适中的数值。默认是100。在实际调参的过程中，我们常常将n_estimators和下面介绍的参数learning_rate一起考虑。

2 、learning_rate: 即每个弱学习器的权重缩减系数ν，也称作步长，在原理篇的正则化章节我们也讲到了，加上了正则化项，我们的强学习器的迭代公式为fk(x)=fk−1(x)+νhk(x)。ν的取值范围为0<ν≤1。对于同样的训练集拟合效果，较小的ν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。所以这两个参数n_estimators和learning_rate要一起调参。一般来说，可以从一个小一点的ν开始调参，默认是1。

3、 subsample: 即我们在原理篇的正则化章节讲到的子采样，取值为(0,1]。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，默认是1.0，即不使用子采样。

4、 init: 即我们的初始化的时候的弱学习器，拟合对应原理篇里面的f0(x)，如果不输入，则用训练集样本来做样本集的初始化分类回归预测。否则用init参数提供的学习器做初始化分类回归预测。一般用在我们对数据有先验知识，或者之前做过一些拟合的时候，如果没有的话就不用管这个参数了。

5、 loss: 即我们GBDT算法中的损失函数。分类模型和回归模型的损失函数是不一样的。

注意

对于分类模型，有对数似然损失函数"deviance"和指数损失函数"exponential"两者输入选择。默认是对数似然损失函数"deviance"。在原理篇中对这些分类损失函数有详细的介绍。一般来说，推荐使用默认的"deviance"。它对二元分离和多元分类各自都有比较好的优化。而指数损失函数等于把我们带到了Adaboost算法。

对于回归模型，有均方差"ls", 绝对损失"lad", Huber损失"huber"和分位数损失“quantile”。默认是均方差"ls"。一般来说，如果数据的噪音点不多，用默认的均方差"ls"比较好。如果是噪音点较多，则推荐用抗噪音的损失函数"huber"。而如果我们需要对训练集进行分段预测的时候，则采用“quantile”。

6、 alpha：这个参数只有GradientBoostingRegressor有，当我们使用Huber损失"huber"和分位数损失“quantile”时，需要指定分位数的值。默认是0.9，如果噪音点较多，可以适当降低这个分位数的值。

GBDT类库弱学习器参数

由于GBDT使用了CART回归决策树，因此它的参数基本来源于决策树类，也就是说，和DecisionTreeClassifier和DecisionTreeRegressor的参数基本类似。如果你已经很熟悉决策树算法的调参，那么这一节基本可以跳过。不熟悉的朋友可以继续看下去。

1、 划分时考虑的最大特征数max_features: 可以使用很多种类型的值，默认是"None",意味着划分时考虑所有的特征数；如果是"log2"意味着划分时最多考虑log2N个特征；如果是"sqrt"或者"auto"意味着划分时最多考虑N−−√个特征。如果是整数，代表考虑的特征绝对数。如果是浮点数，代表考虑特征百分比，即考虑（百分比xN）取整后的特征数。其中N为样本总特征数。一般来说，如果样本特征数不多，比如小于50，我们用默认的"None"就可以了，如果特征数非常多，我们可以灵活使用刚才描述的其他取值来控制划分时考虑的最大特征数，以控制决策树的生成时间。

2、决策树最大深度max_depth: 默认可以不输入，如果不输入的话，默认值是3。一般来说，数据少或者特征少的时候可以不管这个值。如果模型样本量多，特征也多的情况下，推荐限制这个最大深度，具体的取值取决于数据的分布。常用的可以取值10-100之间。

3、 内部节点再划分所需最小样本数min_samples_split: 这个值限制了子树继续划分的条件，如果某节点的样本数少于min_samples_split，则不会继续再尝试选择最优特征来进行划分。 默认是2.如果样本量不大，不需要管这个值。如果样本量数量级非常大，则推荐增大这个值。

4、叶子节点最少样本数min_samples_leaf: 这个值限制了叶子节点最少的样本数，如果某叶子节点数目小于样本数，则会和兄弟节点一起被剪枝。 默认是1,可以输入最少的样本数的整数，或者最少样本数占样本总数的百分比。如果样本量不大，不需要管这个值。如果样本量数量级非常大，则推荐增大这个值。

5、叶子节点最小的样本权重和min_weight_fraction_leaf：这个值限制了叶子节点所有样本权重和的最小值，如果小于这个值，则会和兄弟节点一起被剪枝。 默认是0，就是不考虑权重问题。一般来说，如果我们有较多样本有缺失值，或者分类树样本的分布类别偏差很大，就会引入样本权重，这时我们就要注意这个值了。

6、最大叶子节点数max_leaf_nodes: 通过限制最大叶子节点数，可以防止过拟合，默认是"None”，即不限制最大的叶子节点数。如果加了限制，算法会建立在最大叶子节点数内最优的决策树。如果特征不多，可以不考虑这个值，但是如果特征分成多的话，可以加以限制，具体的值可以通过交叉验证得到。

7、节点划分最小不纯度min_impurity_split: 这个值限制了决策树的增长，如果某节点的不纯度(基于基尼系数，均方差)小于这个阈值，则该节点不再生成子节点。即为叶子节点 。一般不推荐改动默认值1e-7。

九、应用场景

GBDT几乎可用于所有回归问题（线性/非线性），相对logistic regression仅能用于线性回归，GBDT的适用面非常广。亦可用于二分类问题（设定阈值，大于阈值为正例，反之为负例）

参考文章：
https://www.cnblogs.com/pinard/p/6140514.html