集成学习—Adaboost（理解与应用）

在上一篇集成学习—Adaboost（论文研读）中已经将Adaboost的原始论文精读了一遍，这篇博客主要是对Adaboost算法（主要是二分类的Adaboost）进行更深入的理解和推导，以及尝试下关于它的基于Python的代码的应用。

模型回顾

Adaboost算法，全称为the adaptive boosting algorithm，它是boosting算法中的代表。对于boosting来说，由于它是一个串行生成的集成学习方法，主要有两方面需要考虑：一是在每一轮中如何改变训练数据的权值或者概率分布；二是如何将弱学习器组合成一个强学习器。Adaboost的做法是：提高那些被前一轮弱学习器错误学习的样本的权重，对于那些弱学习器学习的不够好的数据，下一轮的弱学习器会重点学习；弱学习器的组合方式，Adaboost采用的是加权多数表决的方法，即学习错误率小的弱分类器权重较大，在表决中起较大作用，相反错误率大的权重小，作用也相对较小。Adaboost的巧妙之处就在于它将这些想法自然且有效地实现在一种算法中。

在原始的论文中，Freund和Schapire将二分类 { 0 , 1 } \{0,1\} {0,1}问题的Adaboost算法的伪代码描述为：

简单来说，算法的步骤如下：首先需要对数据样本的权重向量赋初值，一般是设为均匀分布，即$w_i^1=1/N,i=1,\dots ,N$，然后在$t$次迭代中计算分布$p^t$，对第$t$个弱学习器赋予这个分布，得到弱学习器的输出假设$h_t$，然后再计算这个假设的（相对于当前分布的）加权错误率${\epsilon }_t$，令${\beta }_t={\epsilon }_t/(1-{\epsilon }_t)$，再对下一轮的新权重进行更新，更新规则为$w_i^{t+1}=w_i^t{\beta }_t^{1-|h_t(x_i)-y_i|}$，这样经过$T$次迭代，得到$T$个弱学习器，最后将他们的结果进行加权，输出最后算法的最终假设$h_f(x)$，最后$h_f(x)=1$的条件为$$\frac{{\sum }_{t=1}^T(log1/{\beta }_t)h_t(x)}{{\sum }_{t=1}^T(log1/{\beta }_t)}⩾1/2$$即所有弱假设的加权和若大于0.5则判定最后输出的标签为1，否则为0。

总的来看，这个算法的迭代过程主要更新的是数据分布的权重$w$以及每个弱分类器的权重$log(1/\beta )$。具体来说，在弱学习器给出弱假设的结果后，若计算出来的错误率${\epsilon }_t$较大，则算法第4步中计算出来的${\beta }_t$就较大，同时它的精度$1-|h_t(x_i)-y_i|$就小，因而权重更新中的系数${\beta }_t^{1-|h_t(x_i)-y_i|}$就趋于1（较大，因为弱学习器是PAC学习的，所以关于它的误差假设是${\epsilon }_t⩽1/2-\gamma$，其中$\gamma >0$，因此这样定义的$\beta \in [0,1]$），导致下一步更新后的权重较大，从而上一步分类错误的那些数据将在下一个弱学习器中重点学习，由此一点点改善数据的分类错误率；此外，根据每次迭代得到的${\beta }_t$值，得到每个弱分类器在最后假设中的权重，错误率较大的弱分类器它的${\beta }_t$就较大，因此$log(1/{\beta }_t)$较小，意味着它在最后的决策中占得比重较小，最后的结果由$T$个弱分类器加权投票得到，更多的是依靠分类正确率高的那些弱分类器的信息。

加性模型

Adaboost算法有多种推导方式，周志华老师的《机器学习》上说比较容易理解的是基于“加性模型”，即基学习器的线性组合来最小化指数损失函数的方法，这个方法是由Friedman等人在2000年正式发表，而且这个理解方法是现在大多数学习Adaboost算法接触到的，因此这里也对针对这篇文章进行了简单的理解。

在Additive logistic regression: a statistical view of boosting这篇文章中，作者主要是从统计学的角度出发来解释Adaboost算法，说明了Adaboost实际上是一个加性逻辑回归模型，它用牛顿方法来最优化一个特别的指数损失函数，文章最后还提出了提升决策树（boosting decision tree），但这里不做讨论。

Friedman总结的Adaboost算法如下（实际上与上图的是一样的，除了权重$w$的更新的系数表示上有些微差别，Freund的权重不需要做归一化处理，但是这里需要）：

理解与推导过程：

Adaboost算法是模型为加性模型、损失函数为指数函数、学习算法为前向分步算法（forward stage-wise algorithm）时的二分类学习方法（摘自李航老师的《统计学习方法》）。由上图知道Adaboost最终的分类器为$M$个弱学习器$f_m(x)$的加权投票$F(x)={\sum }_{m=1}^M{c}_m{f}_m(x)$，它的目标是最小化指数损失函数$E(e^{-yF(x)})$。

因此，论文中首先给出了一个有用的引理：

引理1 $E(e^{-yF(x)})$在$$F(x)=\frac{1}{2}log\frac{P(y=1|x)}{P(y=-1|x)}\text{\hspace{1em}(1)}$$处达到最小。因此，$$P(y=1|x)=\frac{e^{F(x)}}{e^{-F(x)}+e^{F(x)}},P(y=-1|x)=\frac{e^{-F(x)}}{e^{-F(x)}+e^{F(x)}}$$证明：因为在$y$和$x$的联合分布上求期望，可以充分得到在$x$上的条件期望最小值，所以对$$E(e^{-yF(x)}|x)=P(y=1|x)e^{-F(x)}+P(y=-1|x)e^{F(x)}$$ 令$$\frac{\partial E(e^{-yF(x)}|x)}{\partial F(x)}=-P(y=1|x)e^{-F(x)}+P(y=-1|x)e^{F(x)}$$为0即可得到结论。

一般来说逻辑回归模型不像式(1)中有一个$\frac{1}{2}$的因子，但是通过上下同乘$e^{F(x)}$可以得到通常意义下的逻辑回归模型$$p(x)=\frac{e^{2F(x)}}{1+e^{2F(x)}}$$因此说这两个模型是等价的。这也是为什么作者提出来Adaboost实际上可以解释为加性的逻辑回归模型。然后再给出了解释这个算法过程的命题（命题的证明就是算法的主要推导过程）。

命题1 离散的Adaboost算法产生了自适应的牛顿迭代更新来最小化$E(e^{-yF(x)})$，这是对一个加性逻辑回归模型的分步贡献。

命题1的证明如下：
令$J(F)=E[e^{-yF(x)}]$，假设我们已经有了一个当前的分类器$F(x)$，想要得到一个改进的分类器$F(x)+cf(x)$，也就是在当前分类器中继续添加一个弱学习器，希望新的弱学习器在上一步更新后的样本分布中能最小化损失函数$J(F+cf)$，也就是使前向分步算法（stage-wise）得到的$c$和$f$使$F+cf$在训练集上的指数损失最小。现在的任务就是证明使得损失函数$J(F+cf)$达到最小的$\hat{c}$和$\hat{f}$，就是Adaboost算法所得到的$c$和$f$，证明可以分为两步：

首先，求$\hat{f}$。对于固定的$c$和$x$，我们在$f(x)=0$处将$J(F+cf)$泰勒展开到二阶： J ( F + c f ) = E [ e − y ( F ( x ) + c f ( x ) ) ] = E [ e − y F ( x ) e − c y f ( x ) ] ≈ E [ e − y F ( x ) ( 1 − c y f ( x ) + c 2 y 2 f 2 ( x ) 2 ) ] = E [ e − y F ( x ) ( 1 − c y f ( x ) + c 2 f 2 ( x ) 2 ) ]    ( 因为 y ∈ { + 1 , − 1 } ) \begin{aligned} J(F+cf)&=E[e^{-y(F(x)+cf(x))}]\\ &=E[e^{-yF(x)}e^{-cyf(x)}]\\ &\approx E[e^{-yF(x)}(1-cyf(x)+{c^2y^2f^2(x)\over2})]\\ &= E[e^{-yF(x)}(1-cyf(x)+{c^2f^2(x)\over2})]\ \ (\text{因为}y\in\{+1,-1\}) \end{aligned} J(F+cf)​=E[e−y(F(x)+cf(x))]=E[e−yF(x)e−cyf(x)]≈E[e−yF(x)(1−cyf(x)+2c2y2f2(x)​)]=E[e−yF(x)(1−cyf(x)+2c2f2(x)​)]  (因为y∈{+1,−1})​关于 f ( x ) ∈ { + 1 , − 1 } f(x)\in\{+1,-1\} f(x)∈{+1,−1}逐点最小化，得到最优的弱学习器为： f ^ ( x ) = arg ⁡ min ⁡ f E w [ 1 − c y f ( x ) + c 2 f 2 ( x ) 2 ∣ x ] = arg ⁡ min ⁡ f E w [ ( y − c f ( x ) ) 2 ∣ x ] = arg ⁡ min ⁡ f E w [ ( y − f ( x ) ) 2 ∣ x ]    ( 因为 f ( x ) ∈ { + 1 , − 1 } ) \begin{aligned} \hat{f}(x)&=\arg\min_f E_w[1-cyf(x)+{c^2f^2(x)\over2}|x]\\ &=\arg\min_f E_w[(y-cf(x))^2|x]\\ &=\arg\min_f E_w[(y-f(x))^2|x]\ \ (\text{因为}f(x)\in\{+1,-1\}) \end{aligned} f^​(x)​=argfmin​Ew​[1−cyf(x)+2c2f2(x)​∣x]=argfmin​Ew​[(y−cf(x))2∣x]=argfmin​Ew​[(y−f(x))2∣x]  (因为f(x)∈{+1,−1})​这里的$w(y|x)=exp(-yF(x))/E[exp(-yF(x))]$，因此这里得到了下一步最佳的弱分类器$\hat{f}$。

其次，求$\hat{c}$。给定 f ^ ∈ { + 1 , − 1 } \hat{f}\in\{+1,-1\} f^​∈{+1,−1}，我们就可以直接最小化$J(F+c\hat{f})=E[e^{-yF(x)}{e}^{-cyf(x)}]$来求得系数$c$，因为$e^{-yF(x)}$部分与$c$和$\hat{f}$都无关，因此最小化时可以不用考虑，相当于常数，因此：$$\begin{array}{rl}\hat{c}& =\arg \underset{c}{\min }{E}_w[e^{-cy\hat{f}(x)}]\end{array}$$利用引理1的方法可以得到$$E(e^{-cy\hat{f}(x)}|x)=P(y=\hat{f}|x)e^{-c}+P(y\ne \hat{f}|x)e^c$$ 令$$\frac{\partial E(e^{-cy\hat{f}(x)}|x)}{\partial c}=-P(y=\hat{f}|x)e^{-c}+P(y\ne \hat{f}|x)e^c$$等于0，即可得$$\hat{c}=\frac{1}{2}log\frac{P(y=\hat{f}|x)}{P(y\ne \hat{f}|x)}=\frac{1}{2}log\frac{1-e}{e}$$其中$e=P(y\ne \hat{f}|x)=E_w[1_{(y\ne \hat{f})}]$表示错误率，这也是算法图中(b)的那一步的更新规则，因此就得到了最后输出结果$F(x)$的更新规则：$$F(x)\leftarrow F(x)+\frac{1}{2}log\frac{1-e}{e}\hat{f}(x)$$

最后，对于权重的更新，由$J(F+cf)$的定义就可以得到更新的规则：$$w(y|x)\leftarrow w(y|x)\cdot e^{-\hat{c}y\hat{f}(x)}$$再加上归一化即可。由于$y\hat{f}(x)=2\times 1_{(y\ne \hat{f}(x))}-1$，因此上面的更新规则等价于：$$w(y|x)\leftarrow w(y|x)\cdot exp\left(log\right(\frac{1-e}{e}\left)1_{(y\ne \hat{f}(x))}\right)$$与给出的Adaboost算法图中的一样。

至此，证明了二分类的Adaboost的过程。

Adaboost算法优缺点：

1. 运行很快；
2. 十分灵活，它提供的是一个框架，它的弱学习器可以搭配各种学习算法，例如决策树、SVM等；
3. 多用途，可以用来做二分类、多分类、回归等，也适用于文本数据、连续数据、离散数据等；
4. 不需要知道弱学习器的任何先验知识；
5. 易用，需要调节的参数很少，只有一个迭代次数；
6. 有效性，训练的错误率随着迭代次数的增加呈指数级下降，因此很快就能达到很好的效果；
7. 大部分时候能抵抗过拟合。

但是主要的缺点也很明显：

1. Adaboost的性能取决于数据和使用的弱学习器，如果弱学习器太强可能会导致算法过拟合，太弱可能会欠拟合；
2. 对异常样本敏感，异常样本在迭代中可能会获得较高的权重，弱学习器在这些样本的关注较多，影响最终的预测准确性。

Python与应用

• 搭配Adaboost的基学习器一般都选择决策树，此时这样的算法Adaboost-Decision tree，总结起来就是：Adaboost + 根据权重sampling + 剪枝的decision tree（具体可以参考机器学习技法视频课）。使用Adaboost的方法计算每次的数据权重，然后根据这个权重采样出部分的样本给决策树进行学习，这个决策树一般会限制它的高度，让每个弱学习器不要学得太好，最后综合投票这些弱学习器的结果。

• Python：sklearn.ensemble模块中包含了AdaBoost, 包括用于分类的AdaBoostClassifier以及用于回归的AdaBoostRegressor。由于这里使用的数据集是连续回归问题，因此这里只讨论AdaBoostRegressor，它的算法主要是用Drucker, Harris. “Improving Regressors Using Boosting Techniques.” Fourteenth International Conference on Machine Learning 1997. 的这篇论文中的AdaBoost.R2算法，基本上和Freund提出的AdaBoost.R类似，不过弱学习器默认选择的是CART决策树，使用MSE作为划分准则，具体可以参考之前的博客描述的CART决策树的内容。

• 数据来源及说明：天池新人赛工业蒸汽量预测，经脱敏后的锅炉传感器采集的数据（采集频率是分钟级别），根据锅炉的工况，预测产生的蒸汽量。数据分成训练数据（train.txt）和测试数据（test.txt），其中字段”V0”-“V37”，这38个字段是作为特征变量，”target”作为目标变量。选手利用训练数据训练出模型，预测测试数据的目标变量，排名结果依据预测结果的MSE（mean square error）。

AdaBoostRegressor某些参数说明，具体可参考文档说明：

• base_estimator：基学习器，可选（默认为回归决策树，max_depth=3，分类的话默认为决策树桩）
• n_estimators：终止boosting的最大估计数，也就是基学习器的个数。如果完全匹配，则提前停止学习。可选（默认为50）
• learning_rate：学习率，学习率缩小了每个回归器的贡献，在学习率和学习器的个数之间有一个平衡, 可选（默认为1.）
• loss：在每次boosting迭代后更新权重时使用的损失函数。可选线性、平方、指数损失函数，即{‘linear’, ‘square’, ‘exponential’}，可选（默认为线性损失）
• X：训练集样本，数组类型的稀疏矩阵，shape = [n_samples, n_features]
• y：目标变量（实数），数组类型，shape = [n_samples]
• sample_weight：初始的样本权重，数组类型，shape = [n_samples]，可选，默认为$1/n_{samples}$

代码：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split #划分数据集
from sklearn.metrics import mean_squared_error #MSE，与下面的定义的是一样的

#训练集和测试集导入
training_data = pd.read_csv('zhengqi_train.txt', sep='\t')
test_data = pd.read_csv('zhengqi_test.txt', sep='\t')
training_x = training_data.iloc[:,0:38] #用索引取前38列得到训练数据
training_target = training_data['target'] #最后一列为label
#选出30%为验证集(validation data set)
x_train, x_val, y_train, y_val = train_test_split(training_x, training_target, test_size=0.3, random_state=0)

#mean square error
def MSE(predict_x, y):
    m = len(predict_x)
    return np.sum((predict_x-y)**2)/(m) 

'''============================ Adaboost =============================='''
from sklearn.ensemble import AdaBoostRegressor

#随着参数变化的验证集MSE
def n_estimators(n):
    rg = AdaBoostRegressor(n_estimators = n, loss = 'square')
    rg.fit(x_train, y_train) 
    return MSE(rg.predict(x_val), y_val)

#画图选择参数
a = np.linspace(10, 310, num=31)
b = np.zeros((31,))
for i in range(31):
    b[i,] = n_estimators(int(a[i,]))
plt.scatter(a, b)
plt.plot(a, b)
plt.scatter(a[np.argmin(b),], min(b), c='r') #最优点标红


#用较优的参数来训练模型
best_n = int(a[np.argmin(b),]) #返回最优的参数值
rg = AdaBoostRegressor(n_estimators=best_n, loss='square')
rg.fit(x_train, y_train) 

MSE(rg.predict(x_val), y_val) #验证集MSE为0.15772145020073947


'''保存测试集的预测结果'''
predict_x = pd.DataFrame(rg.predict(test_data))
predict_x.to_csv('/Users/Desktop/Adaboost_results1.txt', header=0, index=0) #不保留列名和索引

根据验证集的MSE变化，选择最优的参数为80

AdaBoost分类

稍微尝试了下AdaBoostClassifier，这里给出了一个比较直观的例子，由于可视化的原因，这里的数据源采用的是吴恩达|机器学习作业7.0.k-means聚类的数据源，但是因为k-means是无监督学习方法，Adaboost是监督学习方法，这个数据是无标签的数据，因此这里先用k-means聚类的结果当做是这个数据源的标签，然后再改变Adaboost中的弱学习器的个数来观察它的效果。具体代码如下：

import numpy as np
import matplotlib.pyplot as plt
import scipy.io as scio
from sklearn.ensemble import AdaBoostClassifier
from sklearn.cluster import MiniBatchKMeans #Mini Batch K-Means聚类


data = scio.loadmat('C:/Users/dell/Desktop/ex7data2.mat')
x = data['X']


'''可视化数据集'''
plt.scatter(x[:,0], x[:,1], marker='o', c='w', edgecolors='k')


'''聚类得到数据标签'''
K = 3 #设置聚类数量
kmeans = MiniBatchKMeans(K) 
kmeans.fit(x) 

#画出标签之后的数据
def plot_idx(x, idx):
    color = ['r', 'g', 'b'] #颜色序列
    for i in range(3):
        plt.scatter(x[idx==i][:,0], x[idx==i][:,1], marker='o', c='w', edgecolors=color[i-1])

plot_idx(x, kmeans.predict(x))      
  

#得到数据标签
y = kmeans.predict(x)


'''Adaboost分类'''
def plot_process(n):
    clf = AdaBoostClassifier(n_estimators=n)
    clf.fit(x, y)
    plot_idx(x, clf.predict(x))


plot_process(4) #改变这里的弱学习器个数，观察分类效果随学习器个数的变化

首先数据集是这样的：

然后用k-means聚类得到数据标签：

最后改变Adaboost中弱学习器的个数，从1到4个，观察算法的学习效果：

很明显当只有一个弱学习器的时候显然效果不是很好，两个的时候显著提升，从弱学习器个数增加到3个开始，这个算法基本上已经把分类错误的样本全都纠正过来了，但由于这个数据集十分简单，所以学习器的个数不需要很多，在面对复杂的数据集的时候Adaboost表现还是值得期待的。

参考资料：

《机器学习》周志华
《统计学习方法》李航
Friedman J, Hastie T, Tibshirani R. Additive logistic regression: a statistical view of boosting (With discussion and a rejoinder by the authors)[J]. Annals of Statistics, 2000, 28(2):337-374.
Drucker, Harris. “Improving Regressors Using Boosting Techniques.” Fourteenth International Conference on Machine Learning 1997.
机器学习技法视频课