建设银行江西分行官方网站,南京seo公司,企业品牌策划推广方案,广东省广州市白云区区号梯度提升回归树:
梯度提升回归树是区别于随机森林的另一种集成方法#xff0c;它的特点在于纠正与加强#xff0c;通过合并多个决策树来构建一个更为强大的模型。该模型即可以用于分类问题#xff0c;也可以用于回归问题中。在该模型中#xff0c;有三个重要参数分别为 n_…梯度提升回归树:
梯度提升回归树是区别于随机森林的另一种集成方法它的特点在于纠正与加强通过合并多个决策树来构建一个更为强大的模型。该模型即可以用于分类问题也可以用于回归问题中。在该模型中有三个重要参数分别为 n_estimators(子树数量)、learning_rate(学习率)、max_depth(最大深度)。 n_estimators 子树数量: 通常用来设置纠正错误的子树数量梯度提升树通常使用深度很小(1到 5之间)的子树即强预剪枝来进行构造强化树。并且这样占用的内存也更少预测速度也更快。learning_rate 学习率: 通常用来控制每颗树纠正前一棵树的强度。较高的学习率意味着每颗树都可以做出较强的修正这样的模型普遍更复杂。max_depth 最大深度: 通常用于降低每颗树的复杂度从而避免深度过大造成过拟合的现象。梯度提升模型的 max_depth 通常都设置得很小一般来讲不超过5。 梯度提升决策树是监督学习中 最强大也是最常用 的模型之一。 该算法无需对数据进行缩放就可以表现得很好而且也适用于二元特征与连续特征同时存在的数据集。 缺点是需要进行仔细调参且训练时间可能较长通常不适用于高维稀疏数据。
单一KNN算法: # knn近邻算法: K-近邻算法KNN)
from sklearn.neighbors import KNeighborsClassifier
knn KNeighborsClassifier()
knn.fit(X_train,y_train)KNN集成算法:
from sklearn.neighbors import KNeighborsClassifier
from sklearn.ensemble import BaggingClassifier
# 100个算法集成算法准确提升到了73.3%
knn KNeighborsClassifier()
# bag中100个knn算法
bag_knn BaggingClassifier(base_estimatorknn, n_estimators100, max_samples0.8,max_features0.7)
bag_knn.fit(X_train,y_train)
print(KNN集成算法得分是, bag_knn.score(X_test,y_test))
逻辑斯蒂回归集成算法:
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import BaggingClassifier
bag BaggingClassifier(base_estimatorLogisticRegression(),n_estimators500,max_samples0.8, max_features0.5)
bag.fit(X_train,y_train)
决策树集成算法:
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import BaggingClassifier
bag BaggingClassifier(base_estimatorDecisionTreeClassifier(),n_estimators100,max_samples1.0,max_features0.5)
bag.fit(X_train,y_train)
梯度提升回归算法:
from sklearn.ensemble import GradientBoostingRegressor
gbdt GradientBoostingRegressor(n_estimators3,loss ls, # 最小二乘法learning_rate0.1)
gbdt.fit(X,y) # 训练 1、集成算法
1.1、不同集成算法
集成算法流程概述 同质学习器也叫算法model模型 随机森林同质学习器内部的100个模型都是决策树 bagging套袋法 随机森林 极端森林 boosting提升法 GBDT AdaBoost
1.2、bagging 1.3、自建集成算法同质
1、导包数据创建
import numpy as np
from sklearn.neighbors import KNeighborsClassifier
from sklearn.ensemble import BaggingClassifier
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
X,y datasets.load_wine(return_X_y True)
X_train,X_test,y_train,y_test train_test_split(X,y,random_state 1024)
2、KNN集成算法
算法原理 # 一个算法准确率 62%
knn KNeighborsClassifier()
knn.fit(X_train,y_train)
print(单一KNN算法得分是,knn.score(X_test,y_test)) # 0.6222222222222222# 100个算法集成算法准确提升到了73.3%
knn KNeighborsClassifier()
# bag中100个knn算法
bag_knn BaggingClassifier(base_estimatorknn,n_estimators100,max_samples0.8,max_features0.7)
bag_knn.fit(X_train,y_train)
print(KNN集成算法得分是,bag_knn.score(X_test,y_test)) # 0.7555555555555555
3、逻辑斯蒂回归集成算法
import warnings
warnings.filterwarnings(ignore)
lr LogisticRegression()
lr.fit(X_train,y_train)
print(单一逻辑斯蒂算法得分是,lr.score(X_test,y_test)) # 0.9333333333333333# 偶尔效果会好
bag BaggingClassifier(base_estimatorLogisticRegression(),n_estimators500,max_samples0.8, max_features0.5)
bag.fit(X_train,y_train)
print(逻辑斯蒂集成算法得分是, bag.score(X_test,y_test)) # 0.9333333333333333
4、决策树自建集成算法
clf DecisionTreeClassifier()
clf.fit(X_train,y_train)
print(单棵决策树得分是,clf.score(X_test,y_test)) # 0.9555555555555556
bag BaggingClassifier(base_estimatorDecisionTreeClassifier(),n_estimators100,max_samples1.0,max_features0.5)
bag.fit(X_train,y_train)
print(决策树集成算法得分是,bag.score(X_test,y_test)) # 0.9777777777777777
1.4、boosting 2、GBDT
2.1、梯度提升树概述 gradient Boosting DecisionTree 一一 GBDT Boosting :提升的一点点靠近最优答案 残差 残差的意思就是 A的预测值 A的残差 A的实际值 残差 实际值 - 预测值 预测值 实际值 - 残差
2.2、梯度提升树应用
1、使用全量数据构建梯度提升树0.1434
from sklearn.ensemble import GradientBoostingRegressor
import numpy as np
import pandas as pd # 加载数据
data_train pd.read_csv(zhengqi_train.txt, sep\t)
data_test pd.read_csv(zhengqi_test.txt, sep\t)
X_train data_train.iloc[:,:-1]
y_train data_train[target]
X_test data_test# GBDT模型训练预测
gbdt GradientBoostingRegressor()
gbdt.fit(X_train,y_train)
y_pred gbdt.predict(X_test)
np.savetxt(GBDT_full_feature_result.txt, y_pred)
2、使用部分数据构建梯度提升树0.1486
from sklearn.linear_model import ElasticNet
from sklearn.ensemble import GradientBoostingRegressor
import numpy as np
import pandas as pd # 加载数据
data_train pd.read_csv(zhengqi_train.txt, sep\t)
data_test pd.read_csv(zhengqi_test.txt, sep\t)
X_train data_train.iloc[:,:-1]
y_train data_train[target]
X_test data_test# 先使用ElaticNet模型进行数据筛选
model ElasticNet(alpha 0.1, l1_ratio0.05)
model.fit(X_train, y_train)
cond model.coef_ ! 0
X_train X_train.iloc[:,cond]
X_test X_test.iloc[:,cond]
print(删除数据后形状是,X_train.shape)# GBDT模型训练预测
gbdt GradientBoostingRegressor()
gbdt.fit(X_train,y_train)
y_pred gbdt.predict(X_test)
np.savetxt(GBDT_drop_feature_result.txt, y_pred)
2.3、梯度提升树原理
1、创建数据并使用梯度提升回归树进行预测
import numpy as np
from sklearn.ensemble import GradientBoostingRegressor
import matplotlib.pyplot as plt
from sklearn import tree
import graphviz### 实际问题年龄预测回归问题
# 简单的数据算法原理无论简单数据还是复杂数据都一样
# 属性一表示花销属性二表示上网时间
X np.array([[600,0.8],[800,1.2],[1500,10],[2500,3]])
y np.array([14,16,24,26]) # 高一、高三大四工作两年
# loss ls 最小二乘法
learning_rate 0.1
gbdt GradientBoostingRegressor(n_estimators3,loss ls,# 最小二乘法learning_rate0.1)#learning_rate 学习率
gbdt.fit(X,y)#训练
y_ gbdt.predict(X) # 预测
2、计算残差
# 目标值真实值算法希望预测越接近真实模型越好
print(y)
# 求平均这个平均值就是算法第一次预测的基准初始值
print(y.mean())
# 残差真实值和预测值之间的差
residual y - y.mean()
residual
# 残差越小越好
# 如果残差是0算法完全准确的把数值预测出来
3、绘制三棵树 第一棵树
# 第一颗树分叉时friedman-mse (就是均方误差) 26
print(均方误差,((y - y.mean())**2).mean())
dot_data tree.export_graphviz(gbdt[0,0],filledTrue)
graph graphviz.Source(dot_data) # 梯度下降降低残差
residual residual - learning_rate*residual
residual
# 输出array([-5.4, -3.6, 3.6, 5.4])
第二棵树
# 第二颗树
dot_data tree.export_graphviz(gbdt[1,0],filledTrue)
graph graphviz.Source(dot_data) # 梯度下降降低残差
residual residual - learning_rate*residual
residual
# 输出array([-4.86, -3.24, 3.24, 4.86])
第三棵树
# 第三颗树
dot_data tree.export_graphviz(gbdt[2,0],filledTrue)
graph graphviz.Source(dot_data)
# 梯度下降降低残差
residual residual - learning_rate*residual
residual
# 输出array([-4.374, -2.916, 2.916, 4.374])
4、使用残差计算最终结果
# 使用残差一步步计算的结果
y_ y - residual
print(使用残差一步步计算最终结果是\n,y_)
# 使用算法预测
gbdt.predict(X)
# 两者输出结果一样
2.4、梯度提升回归树的最佳裂分条件计算
1、第一棵树分裂情况如下 # 计算未分裂均方误差
lower_mse ((y - y.mean())**2).mean()
print(未分裂均方误差是,lower_mse)
best_split {}
for index in range(2):for i in range(3):t X[:,index].copy()t.sort()split t[i:i 2].mean()cond X[:,index] splitmse1 round(((y[cond] - y[cond].mean())**2).mean(),3)mse2 round(((y[~cond] - y[~cond].mean())**2).mean(),3)p1 cond.sum()/cond.sizemse round(mse1 * p1 mse2 * (1- p1),3)print(第%d列 % (index),裂分条件是,split,均方误差是,mse1,mse2,mse)if mse lower_mse:best_split.clear()lower_mse msebest_split[第%d列%(index)] splitelif mse lower_mse:best_split[第%d列%(index)] split
print(最佳分裂条件是,best_split)
# 输出未分裂均方误差是 26.0
第0列 裂分条件是 700.0 均方误差是 0.0 18.667 14.0
第0列 裂分条件是 1150.0 均方误差是 1.0 1.0 1.0
第0列 裂分条件是 2000.0 均方误差是 18.667 0.0 14.0
第1列 裂分条件是 1.0 均方误差是 0.0 18.667 14.0
第1列 裂分条件是 2.1 均方误差是 1.0 1.0 1.0
第1列 裂分条件是 6.5 均方误差是 27.556 0.0 20.667
最佳分裂条件是 {第0列: 1150.0, 第1列: 2.1}2、第二棵树分裂情况如下 # 梯度下降降低残差
residual residual - learning_rate*residual
# 计算未分裂均方误差
lower_mse round(((residual - residual.mean())**2).mean(),3)
print(未分裂均方误差是,lower_mse)
best_split {}
for index in range(2):for i in range(3):t X[:,index].copy()t.sort()split t[i:i 2].mean()cond X[:,index] splitmse1 round(((residual[cond] - residual[cond].mean())**2).mean(),3)mse2 round(((residual[~cond] - residual[~cond].mean())**2).mean(),3)p1 cond.sum()/cond.sizemse round(mse1 * p1 mse2 * (1- p1),3)print(第%d列 % (index),裂分条件是,split,均方误差是,mse1,mse2,mse)if mse lower_mse:best_split.clear()lower_mse msebest_split[第%d列%(index)] splitelif mse lower_mse:best_split[第%d列%(index)] split
print(最佳分裂条件是,best_split)
# 输出未分裂均方误差是 21.06
第0列 裂分条件是 700.0 均方误差是 0.0 15.12 11.34
第0列 裂分条件是 1150.0 均方误差是 0.81 0.81 0.81
第0列 裂分条件是 2000.0 均方误差是 15.12 0.0 11.34
第1列 裂分条件是 1.0 均方误差是 0.0 15.12 11.34
第1列 裂分条件是 2.1 均方误差是 0.81 0.81 0.81
第1列 裂分条件是 6.5 均方误差是 22.32 0.0 16.74
最佳分裂条件是 {第0列: 1150.0, 第1列: 2.1}3、第三棵树分裂情况如下 # 梯度下降降低残差
residual residual - learning_rate*residual
# 计算未分裂均方误差
lower_mse round(((residual - residual.mean())**2).mean(),3)
print(未分裂均方误差是,lower_mse)
best_split {}
for index in range(2):for i in range(3):t X[:,index].copy()t.sort()split t[i:i 2].mean()cond X[:,index] splitmse1 round(((residual[cond] - residual[cond].mean())**2).mean(),3)mse2 round(((residual[~cond] - residual[~cond].mean())**2).mean(),3)p1 cond.sum()/cond.sizemse round(mse1 * p1 mse2 * (1- p1),3)print(第%d列 % (index),裂分条件是,split,均方误差是,mse1,mse2,mse)if mse lower_mse:best_split.clear()lower_mse msebest_split[第%d列%(index)] splitelif mse lower_mse:best_split[第%d列%(index)] split
print(最佳分裂条件是,best_split)
# 输出未分裂均方误差是 17.059
第0列 裂分条件是 700.0 均方误差是 0.0 12.247 9.185
第0列 裂分条件是 1150.0 均方误差是 0.656 0.656 0.656
第0列 裂分条件是 2000.0 均方误差是 12.247 0.0 9.185
第1列 裂分条件是 1.0 均方误差是 0.0 12.247 9.185
第1列 裂分条件是 2.1 均方误差是 0.656 0.656 0.656
第1列 裂分条件是 6.5 均方误差是 18.079 0.0 13.559
最佳分裂条件是 {第0列: 1150.0, 第1列: 2.1}
