人工智能-集成学习_《图解人工智能》集成学习

1、 集成学习算法介绍

1.1 什么是集成学习

集成学习通过建立几个模型来解决单一预测问题。工作原理：生成多个分类器/模型，各自独立地学习和做出预测。这些预测再结合成组合预测，因此由于任何一个单分类的预测。

1.2 机器学习的两个核心任务

1. 如何优化训练数据 —解决欠拟合问题
2. 如何提示泛化性能 —解决过拟合问题

1.3集成学习中的boosting和bagging

只要单分类器的表现不太差，集成学习的结果总是要好于单分类器的

2、Bagging和随机森林

2.1 Bagging

采样-学习-集成
举例说明：
目的：将圆和方块分类

步骤：
1，采样不同数据集

2，训练分类器

3，平权投票，获取最终结果
对每个点，看平均状态是在左在右，这样划分

4，最终实现

2.2 随机森林

随机森林是一个包含多个决策树的分类器，并且其输出的类别是由于个别树输出类别的众数而定的。
随机森林 = Bagging + 决策树

步骤：
1，一次随机选出一个样本，有放回的抽样，，重复N次（有可能重复样本）
2，随机选择m个特征，m<<M(全部特征),建立决策树
问题：
1，为什么要随机抽样训练集？
如果不进行随机抽样，每棵树的训练集都一样，那么最终训练出的树分类结果也是完全一样的
2，为什么要有放回的抽样？
如果不是有放回的抽样，每棵树的训练样本都是不同的，没有交集，这样每棵树都是有偏的，都是绝对片面的，即每棵树训练出来都是有很大的差异的。

2.3 包外估计

随机森林的过程中，有放回的抽样，总有一部分样本我们选不到。
没有被选择到的数据，称之为out-of-bag(OOB)数据。当数据足够多，对任意一组数据（xn,yn）是包外数据的概率为1/e~36.8%

包外数据的用途：

• 当基学习器是决策树时，可使用包外样本来剪枝，或用于估计决策树各结点的后验概率以辅助对训练样本点的处理
• 当基学习器是神经网络时，可使用包外样本来辅助早期停止以减小过拟合

2.4 随机森林API

sklearn.ensemble.RandomForestClassifier(n_estimators=10,criterion='gini',max_depth=None,bootstrap=True,random_state=None,min_samples_split=2)
1

2.5 随机森林预测案例

from sklearn.ensemble import RandomForestClassifier
rf = RandomForestClassifier()

#通过超参数调优
from sklearn.model_selection import GridSearchCV
param = {"n_estimators":[100,120,300],"max_depth":[3,7,11]}
gc = GridSearchCV(rf,param_grid = param,cv=3)
gc.fit(x_train,y_train)

print('随机森林预测结果是：\n',gc.score(x_test,y_test))

1
2
3
4
5
6
7
8
9
10
11

Bagging +决策树/线性回归/深度学习。。=bagging集成学习方法
Bagging的优点：

• 均可在原有算法上提高约2%的泛化正确率
• 简单、方便、通用
  p0792