算法面试机器学习树模型,集成学习必准备

前阵子面试数据挖掘岗位被问到了是否了解集成学习，以及它们之间的区别，结果因为没有好好做准备，没有答上来。 事实上，在实际应用与很多比赛中，树模型（随机森林、GBDT、XGBOOST等）应用十分广泛，表现也十分优异。所以面试中，如果你的简历中涉及到了哪怕一点点的树模型，那么面试官一定会问你集成学习相关问题！！！之前写过关于树模型的文章，但是感觉集成学习方面写的很浅、也没那么好理解、面试答的也不好，因此专门写此文加深印象。

集成学习是什么？

集成学习 (Ensemble Learning) 算法的基本思想就是将多个个体学习器组合，从而实现一个预测效果更好的集成学习器。即将这些个体学习器集合成一个强学习器。主要有Bagging, Boosting, Stacking

弱学习器（weak learner）：指泛化性能略优于随机猜测的学习器：例如在二分类问题桑精度略高于50%的分类器。

Bagging, Boosting分别是什么？它们的区别是什么？

从上图可以看出，
Bagging的个体弱学习器的训练集是通过随机采样得到的。通过3次的随机采样，我们就可以得到3个采样集，对于这3个采样集，我们可以分别独立的训练出3个弱学习器，再对这3个弱学习器通过集合策略（取加权平均或者投票法）来得到最终的强学习器。

注：Bagging是bootstrap aggregating的简写。其中，bootstrap也称为自助法，它是一种有放回的抽样方法，目的为了得到统计量的分布以及置信区间。具体步骤：
1、采用重抽样方法（有放回抽样）从原始样本中抽取一定数量的样本
2、根据抽出的样本计算想要得到的统计量T
3、重复上述N次（一般大于1000），得到N个统计量T
4、根据这N个统计量，即可计算出统计量的置信区间

Boosting算法的工作机制是首先从训练集用初始权重训练出一个弱学习器1，根据弱学习的学习误差率表现来更新训练样本的权重，使得之前弱学习器1学习误差率高的训练样本点的权重变高，使得这些误差率高的点在后面的弱学习器2中得到更多的重视。然后基于调整权重后的训练集来训练弱学习器2.，如此重复进行，直到弱学习器数达到事先指定的数目T，最终将这T个弱学习器通过集合策略进行整合，得到最终的强学习器。

	Bagging	Boosting
结构	并行	串行
训练集	相互独立	相互依赖
代表	随机森林	AdaBoost算法、提升树(boosting tree)系列
样本选择上	训练集是在原始集中有放回选取的，从原始集中选出的各轮训练集之间是独立的。	每一轮的训练集不变，只是训练集中每个样例在分类器中的权重发生变化。而权值是根据上一轮的分类结果进行调整。
样例权重	使用均匀取样，每个样例的权重相等	根据错误率不断调整样例的权值，错误率越大则权重越大。
预测函数	所有预测函数的权重相等	每个弱分类器都有相应的权重，对于分类误差小的分类器会有更大的权重。

为什么bagging是减少variance，而boosting是减少bias?

首先要明确variance和bias。 variance是🈯️方差，反映的数据的离散程度；bias是偏差，反映的是与真实数据的偏离程度。训练一个模型，就是两者的一个trade-off，如下图所示。

从算法来看，Bagging关注的是多个基模型的投票组合，保证了模型的稳定；而Boosting采用的策略是在每一次学习中都减少上一轮的偏差。

简单介绍一下Stacking

Stacking 就是将一系列模型（也称基模型）的输出结果作为新特征输入到其他模型，这种方法由于实现了模型的层叠，即第一层的模型输出作为第二层模型的输入，第二层模型的输出作为第三层模型的输入，依次类推，最后一层模型输出的结果作为最终结果。

上图为两层。

举例：以论文审稿为例，首先是三个审稿人分别对论文进行审稿，然后分别返回审稿意见给总编辑，总编辑会结合审稿人的意见给出最终的判断，即是否录用。对应于stacking，这里的三个审稿人就是第一层的模型，其输出（审稿人意见）会作为第二层模型（总编辑）的输入，然后第二层模型会给出最终的结果。

Reference

https://zhuanlan.zhihu.com/p/39920405
https://zhuanlan.zhihu.com/p/27689464
https://easyaitech.medium.com/%E4%B8%80%E6%96%87%E7%9C%8B%E6%87%82%E9%9B%86%E6%88%90%E5%AD%A6%E4%B9%A0-%E8%AF%A6%E8%A7%A3-bagging-boosting-%E4%BB%A5%E5%8F%8A%E4%BB%96%E4%BB%AC%E7%9A%84-4-%E7%82%B9%E5%8C%BA%E5%88%AB-6e3c72df05b8
https://note.zbmain.com/ainote/machineleaning/%E7%AE%97%E6%B3%952/%E9%9B%86%E6%88%90%E5%AD%A6%E4%B9%A0%E8%BF%9B%E9%98%B6/section9.html