第8章 AdaBoost算法

Bagging和Boosting的区别

1）样本选择上：

Bagging：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.

Boosting：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.

2）样例权重：

Bagging：使用均匀取样，每个样例的权重相等

Boosting：根据错误率不断调整样例的权值，错误率越大则权重越大.

3）预测函数：

Bagging：所有预测函数的权重相等.

Boosting：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.

4）并行计算：

Bagging：各个预测函数可以并行生成

Boosting：各个预测函数只能顺序生成，因为后一个模型参数需要前一轮模型的结果

AdaBoost算法

算法1（AdaBoost）
输入：训练数据集$T=\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\}$，其中$x_i\in \chi \subseteq R^n$，$y_i \in y=\{-1,+1\}$；弱学习算法；
输出：最终分类器$G(x)$。
（1）初始化训练数据的权值分布

$$D_1=(w_{11},...,w_{1i},...,w_{1N})，w_{1i}=\frac{1}{N},I=1,2,...,N$$
（2）对 $m=1,2,...,M$
（a）使用具有权值分布 $D_m$的训练数据集学习，得到基本分类器 $$G_m(x):\chi \to \{-1,+1\}$$
（b）计算 $G_m(x)$在训练数据集上的分类误差率 $$e_m=P(G_m(x_i) \ne y_i)=\sum_{i=1}^Nw_{mi}I(G_m(x_i) \ne y_i) \tag{1}$$
（c）计算 $G_m(x)$的系数 $$\alpha_m = \frac{1}{2}\log \frac{1-e_m}{e_m} \tag{2}$$ 这里的对数是自然对数。
（d）更新训练数据集的权值分布 $$D_{m+1}=(w_{m+1,1},...,w_{m+1,i},w_{m+1,N}) \tag{3}$$ $$w_{m+1,i}=\frac{w_{m,i}}{Z_m}\exp(-\alpha_my_iG_m(x_i)) \tag{4}$$ 这里， $Z_m$是规划化因子 $$Z_m = \sum_{i=1}^N w_{m,1}\exp(-\alpha_my_iG_m(x_i)) \tag{5}$$ 它使 $D_{m+1}$成为一个概率分布。
（3）构建基本分类器的线性组合 $$f(x)=\sum_{m=1}^M\alpha_mG_m(x) \tag{6}$$ 得到最终分类器 $$G(x)=sign(f(x))=sign\left(\sum_{m=1}^M\alpha_mG_m(x)\right)\tag{7}$$
定理8.1 （AdaBoost的训练误差界） AdaBoost算法最终分类器的训练误差界为 $$\frac{1}{N}\sum_{i=1}^{N}I(G(x_i) \ne y_i) \leq \frac{1}{N} \sum{i}\exp(-y_if(x_i))=\prod_{m}Z_m \tag{9}$$ 这里， $G(x),f(x)$和 $Z_m$分别由式（7），（6），（5）给出。

前向分布算法

算法2（前向分布算法）
输入：训练数据集$T=\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\}$；损失函数$L(y,f(x))$；基函数集${b(x;\gamma)}$；
输出：加法模型$f(x)$
（1）初始化$f_0(x)=0$
（2）对$m=1,2,...,M$
（a）极小化损失函数

$$(\beta_m,\gamma_m)=arg\min_{\beta,\gamma}\sum_{i=1}{N}L(y_i,f_{m-1}(x_i)+\beta b(x_i;\gamma)) \tag{10}$$ 得到参数 $\beta_m,\gamma_m$
（b）更新 $$f_m(x)=f_{m-1}(x)+\beta_mb(x;\gamma_m) \tag{11}$$
（3）得到加法模型 $$f(x)=f_M(x)=\sum_{m=1}^M\beta_mb(x;\gamma_m) \tag{12}$$
这样，前向分步算法将同时求解从 $m=1$到 $M$所有参数$\beta_m,\gamma_m$的优化问题简化为逐次求解各个 $\beta_m,\gamma_m$的优化问题.

提升树

提升树是以分类树或回归树为基本分类器的提升方法。

提升树模型

提升方法实际采用加法模型（即基函数的线性组合）与前向分步算法。以决策树为基函数的提升方法称为提升树（boosting tree）。对分类问题决策树是二叉分类树，对回归问题决策树是二叉回归树。提升树模型可以表示为决策树的加法模型：

$$f_M(x)=\sum_{m=1}^MT(x;\Theta_m) \tag{13}$$ 其中， $T(x;\Theta_m)$表示决策树； $\Theta_m$ 为决策树的参数； $M$为树的个数。
算法3 （回归问题的提升树算法）
输入：训练数据集$T=\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\}$，其中 $x_i\in \chi \subseteq R^n$， $y_i \in y\subseteq R$；
输出：提升树 $f_M(x)$
（1）初始化 $f_0(x)=0$
（2）对 $m=1,2,...,M$
（a）计算残差 $$r_{mi}=y_i-f_{m-1}(x_i),i=1,2,...,N$$
（b）拟合残差 $$r_{mi}$$ 学习一个回归树，得到 $T(x,\Theta_m)$
（c）更新 $f_m(x)=f_{m-1}(x)+T(x;\Theta_m)$
（3）得到回归问题提升树 $$f_M(x)=\sum_{m=1}^MT(x;\Theta_m)$$

梯度提升

提升树利用加法模型与前向分步算法实现学习的优化过程。当损失函数是平方损失和指数损失函数时，每一步优化是很简单的，但对于一般损失函数而言，可以利用梯度提升算法（gradient boosting）。这是利用最速下降法的近似方法，其关键是利用损失函数的负梯度在当前模型的值

$$-\left[\frac{\partial L(y,f(x_i))}{\partial f(x_i)}\right]_{f(x)=f_{m-1}(x)}$$ 作为回归问题提升树算法中的残差的近似值，拟合一个回归树。
算法4（梯度提升算法）
输入：训练数据集 $T=\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\}$，其中 $x_i\in \chi \subseteq R^n$， $y_i \in y\subseteq R$；损失函数L(y,f(x))；
输出：回归树 $\hat f(x)$.
(1) 初始化 $$f_0(x)=arg \min_c \sum_{i=1}^{N}L(y_i,c)$$
(2)对 $m=1,2,...,M$
(a)对 $i=1,2,...,N$，计算 $$r_{mi}=-\left[\frac{\partial L(y,f(x_i))}{\partial f(x_i)}\right]_{f(x)=f_{m-1}(x)}$$
(b)对 $r_{mi}$拟合一个回归树，得到第 $m$颗树的叶结点区域$R_{mj},j=1,2,...,J$
(c)对 $j=1,2,...,J$，计算 $$c_{mj}=arg\min_c\sum_{x_i \in R_{mj}}L(y_i,f_{m-1}(x_i)+c)$$
(d)更新 $f_m(x)=f_{m-1}(x)+\sum_{j=1}^J c_{mj}I(X \in R_{mj})$
(3)得到回归树 $$\hat f(x)=f_M(x)=\sum_{m=1}^M\sum_{j=1}^J c_{mj}I(X \in R_{mj})$$
算法第1步初始化，估计使损失函数极小化的常数值，它是只有一个根结点的树。第2（a）步计算损失函数的负梯度在当前模型的值，将它作为残差的估计。对于平方损失函数，它就是通常所说的残差；对于一般损失函数，它就是残差的近似值。第2(b)估计回归树叶结点区域，以拟合残差的近似值。第2(c)步更新回归树。第3步得到输出的最终模型 $\hat f(x)$