算法梳理—-006XGBoost

目录
1、XGB
2、cart树
3、XGBoosting原理
4、分裂算法
5、缺失值处理
6、优缺点
7、参数

一、XGB
XGBoost是boosting算法中的一种。Boosting算法的思想是将许多弱分类器集成在一起形成一个强分类器。因为XGBoost是一种提升树模型，所以它是将许多树模型集成在一起，形成一个很强的分类器。而所用到的树模型则是CART回归树模型。

二、cart树
ps(第一期在决策树部分有进行过梳理，这里只简单叙述一下）
1）决策树
CART采用GINI值衡量节点纯度；如果是回归树，采用样本方差衡量节点纯度。节点越不纯，节点分类或者预测的效果就会越差。GINI值的计算公式：$$Gini=1-\sum _{i\in I}{p_i}^2$$ 那么在特征A的条件下，集合D的基尼指数为$$Gini(D,A)=\frac{|D_1|}{|D|}Gini(D_1)+\frac{|D_2|}{|D|}Gini(D_2)$$节点越不纯，GINI值越大,样本集合的不确定性也会越大的。以二分类为例，如果节点的所有数据只有一个类别，则$Gini=1-{\sum }_{i\in I}{p_i}^2=0$,如果两类数量相同，则$Gini=1-{\sum }_{i\in I}{p_i}^2=\frac{1}{2}$回归方差计算：$$\sigma =\sqrt{\sum _{i\in I}(x_i-\mu {)}^2}=\sqrt{\sum _{i\in I}{x_i}^2-n{\mu }^2}$$方差越大，表示该节点的数据越分散，预测的效果就越差。如果一个节点的所有数据都相同，那么方差就为0，此时可以很肯定得认为该节点的输出值；如果节点的数据相差很大，那么输出的值有很大的可能与实际值相差较大。 因此，无论是分类树还是回归树，CART都要选择使子节点的GINI值或者回归方差最小的属性作为分裂的方案。即最小化（分类树）：$$Gain=\sum _{i\in I}{p}_i\cdot Gin{i}_i$$而对于回归树$$Gain=\sum _{i\in I}{\sigma }_i$$
2）回归树
对于输入空间进行划分时，选择第j个变量$x^{(j)}$和它的值s，作为切分变量（splitting variable）和切分点(splitting point),并定义两个区域： R 1 ( j , s ) = { x ∣ x ( j ) ⩽ s } R_1(j,s)=\{{x | x^{(j)}}\leqslant s\} R1​(j,s)={x∣x(j)⩽s}和 R 2 ( j , s ) = { x ∣ x ( j ) > s } R_2(j,s)=\{{x | x^{(j)}}> s\} R2​(j,s)={x∣x(j)>s}然后寻找最优切分变量j和最优切分点s:$$\underset{j,s}{\min }[\underset{c_1}{\min }\sum _{x_i\in R_1(j,s)}(y_i-c_1{)}^2+\underset{c_2}{\min }\sum _{x_i\in R_2(j,s)}(y_i-c_2{)}^2]$$

三、XGBoost原理
在XGB中我们会把目标函数定义成损失函数加上 正则化的形式然后在泰勒二阶展开：$$Obj=\sum _{i=1}^{n}l(y_i,\widehat{y_i})+\sum _{k=1}^K\Omega (f_k)$$
新生成的树会对上次的预测残差进行拟合：$${\widehat{y_i}}^{(t)}={\widehat{y_i}}^{(t-1)}+f_t(x_i)$$
那么目标函数形式变为：$${\iota }^{(t)}=\sum _{i=1}^{n}l(y_i,{\widehat{y_i}}^{(t-1)}+f_t(x_i))+\Omega (f_t)$$
然后在二阶$f_t=0$处展开：$${\iota }^{(t)}\approx \sum _{i=1}^n[l(y_i,{\widehat{y_i}}^{(t-1)}+g_i{f}_t(X_i)+\frac{1}{2}{h}_i{f_t}^2(X_i)]+\Omega (f_t)$$
$g_i$为一阶导$h_i$为二阶导，在整个式子中预测分数与残差是确定部分不会对结果产生影响，我们可以不考虑这一部分的结果，进而把目标函数的简化为：$${\tilde{\iota }}^{(t)}\approx \sum _{i=1}^n[g_i{f}_t(X_i)+\frac{1}{2}{h}_i{f_t}^2(X_i)]+\Omega (f_t)$$

每个样本都最终会落到一个叶子结点中，所以我们可以将所以同一个叶子结点的样本重组起来，过程如下图
们可以将目标函数改写成关于叶子结点分数w的一个一元二次函数，求解最优的w和目标函数值就变得很简单了，直接使用顶点公式即可。因此，最优的w和目标函数公式为:
$$w_j^{\ast }=-\frac{G_j}{H_i+\lambda }$$ $$Obj=-\frac{1}{2}\sum _{j=1}^T\frac{{G_j}^2}{H_j+\lambda }+\gamma T$$
四、分裂算法
ps转载XGBoost: A Scalable Tree Boosting System的论文翻译https://blog.csdn.net/qdbszsj/article/details/79615712
1）exact greedy algorithm 贪心算法就是暴力地遍历所有可能的分割点，xgb也支持这种做法：
当数据量过大，传统算法就不好用了，因为要遍历每个分割点，甚至内存都放不下。
2）近似算法能加快运行时间：
这个算法根据特征的分布情况，然后做个proposal，然后这一列的分割点就从这几个proposed candidate points里选，能大大提高效率。这里有两种proposal的方式，一种是global的，一种是local的，global的是在建树之前就做proposal然后之后每次分割都要更新一下proposal，local的方法是在每次split之后更新proposal。通常发现local的方法需要更少的candidate，而global的方法在有足够的candidate的时候效果跟local差不多。
3）

五、缺失值处理
在机器学习中缺失值是经常会出现的一个问题，面对一堆数据首先需要发现缺失值，常见的做法一般会有那么集中，在这里只简述一下，删除有缺失值的特征、统计量填充——（连续值一般用中位数离散数据一般用众数）、或者不处理（）
大家可能都有一个疑惑，为什么对很多人说XGB或者LGB对缺失值不敏感呢，当用缺失值的训练XGB时，算法不会报错，其实这个不能叫不敏感，而是算法本身自己有一套缺失值处理算法，比如XGB，它会把含有缺失值的数据分别分到左右两个子节点，然后计算着两种情况的损失，最后，选取较好的划分结果和对应的损失。在分割的时候，这个系统还能感知稀疏值，我们给每个树的结点都加了一个默认方向，当一个值是缺失值时，我们就把他分类到默认方向，每个分支有两个选择，具体应该选哪个？这里提出一个算法，枚举向左和向右的情况，哪个gain大选哪个：

六、优缺点
xgBoosting在传统Boosting的基础上，利用cpu的多线程，引入正则化项，加入剪纸，控制了模型的复杂度。

与GBDT相比，xgBoosting有以下进步：

1）GBDT以传统CART作为基分类器，而xgBoosting支持线性分类器，相当于引入L1和L2正则化项的逻辑回归（分类问题）和线性回归（回归问题）；

2）GBDT在优化时只用到一阶导数，xgBoosting对代价函数做了二阶Talor展开，引入了一阶导数和二阶导数；

3）当样本存在缺失值是，xgBoosting能自动学习分裂方向；

4）xgBoosting借鉴RF的做法，支持列抽样，这样不仅能防止过拟合，还能降低计算；

5）xgBoosting的代价函数引入正则化项，控制了模型的复杂度，正则化项包含全部叶子节点的个数，每个叶子节点输出的score的L2模的平方和。从贝叶斯方差角度考虑，正则项降低了模型的方差，防止模型过拟合；

6）xgBoosting在每次迭代之后，为叶子结点分配学习速率，降低每棵树的权重，减少每棵树的影响，为后面提供更好的学习空间；

7）xgBoosting工具支持并行,但并不是tree粒度上的，而是特征粒度，决策树最耗时的步骤是对特征的值排序，xgBoosting在迭代之前，先进行预排序，存为block结构，每次迭代，重复使用该结构，降低了模型的计算；block结构也为模型提供了并行可能，在进行结点的分裂时，计算每个特征的增益，选增益最大的特征进行下一步分裂，那么各个特征的增益可以开多线程进行；

8）可并行的近似直方图算法，树结点在进行分裂时，需要计算每个节点的增益，若数据量较大，对所有节点的特征进行排序，遍历的得到最优分割点，这种贪心法异常耗时，这时引进近似直方图算法，用于生成高效的分割点，即用分裂后的某种值减去分裂前的某种值，获得增益，为了限制树的增长，引入阈值，当增益大于阈值时，进行分裂；

然而，与LightGBM相比，又表现出了明显的不足：

1）xgBoosting采用预排序，在迭代之前，对结点的特征做预排序，遍历选择最优分割点，数据量大时，贪心法耗时，LightGBM方法采用histogram算法，占用的内存低，数据分割的复杂度更低；

2）xgBoosting采用level-wise生成决策树，同时分裂同一层的叶子，从而进行多线程优化，不容易过拟合，但很多叶子节点的分裂增益较低，没必要进行跟进一步的分裂，这就带来了不必要的开销；LightGBM采用深度优化，leaf-wise生长策略，每次从当前叶子中选择增益最大的结点进行分裂，循环迭代，但会生长出更深的决策树，产生过拟合，因此引入了一个阈值进行限制，防止过拟合.
https://blog.csdn.net/xwd18280820053/article/details/68927422

七、sklearn参数

常规参数

booster
gbtree 树模型做为基分类器（默认）
gbliner 线性模型做为基分类器
silent
silent=0时，不输出中间过程（默认）
silent=1时，输出中间过程
nthread
nthread=-1时，使用全部CPU进行并行运算（默认）
nthread=1时，使用1个CPU进行运算。
scale_pos_weight
正样本的权重，在二分类任务中，当正负样本比例失衡时，设置正样本的权重，模型效果更好。例如，当正负样本比例为1:10时，scale_pos_weight=10。

模型参数

n_estimatores
含义：总共迭代的次数，即决策树的个数
调参：
early_stopping_rounds
含义：在验证集上，当连续n次迭代，分数没有提高后，提前终止训练。
调参：防止overfitting。
max_depth
含义：树的深度，默认值为6，典型值3-10。
调参：值越大，越容易过拟合；值越小，越容易欠拟合。
min_child_weight
含义：默认值为1,。
调参：值越大，越容易欠拟合；值越小，越容易过拟合（值较大时，避免模型学习到局部的特殊样本）。
subsample
含义：训练每棵树时，使用的数据占全部训练集的比例。默认值为1，典型值为0.5-1。
调参：防止overfitting。
colsample_bytree
含义：训练每棵树时，使用的特征占全部特征的比例。默认值为1，典型值为0.5-1。
调参：防止overfitting。

学习任务参数

learning_rate
含义：学习率，控制每次迭代更新权重时的步长，默认0.3。
调参：值越小，训练越慢。
典型值为0.01-0.2。
objective 目标函数
回归任务
reg:linear (默认)
reg:logistic
二分类
binary:logistic 概率
binary：logitraw 类别
多分类
multi：softmax num_class=n 返回类别
multi：softprob num_class=n 返回概率
rank:pairwise
eval_metric
回归任务(默认rmse)
rmse–均方根误差
mae–平均绝对误差
分类任务(默认error)
auc–roc曲线下面积
error–错误率（二分类）
merror–错误率（多分类）
logloss–负对数似然函数（二分类）
mlogloss–负对数似然函数（多分类）
gamma
惩罚项系数，指定节点分裂所需的最小损失函数下降值。
调参：
alpha
L1正则化系数，默认为1
lambda
L2正则化系数，默认为1
http://www.cnblogs.com/wanglei5205/p/8579244.html