Scikit Learn - 集成方法

上一页
下一页

本章，我们将学习Sklearn中的集成方法，它可以构建集成模型。

集成方法以增量方式构建集成模型。其主要原理是通过依次训练每个基础模型估计器来增量地构建模型。为了构建强大的集成，这些方法基本上结合了几个弱学习器，这些弱学习器在多次训练数据迭代中依次训练。sklearn.ensemble模块包含以下两种集成方法。

AdaBoost

它是最成功的集成方法之一，其主要关键在于赋予数据集中实例权重的方式。这就是为什么该算法在构建后续模型时需要较少关注这些实例的原因。

AdaBoost分类

为了创建AdaBoost分类器，Scikit-learn模块提供了sklearn.ensemble.AdaBoostClassifier。在构建此分类器时，此模块使用的主要参数是base_estimator。这里，base_estimator是从其构建增强集成的基础估计器的值。如果我们将此参数的值选择为None，则基础估计器将为DecisionTreeClassifier(max_depth=1)。

实现示例

在下面的示例中，我们使用sklearn.ensemble.AdaBoostClassifier构建AdaBoost分类器，并预测并检查其分数。

from sklearn.ensemble import AdaBoostClassifier
from sklearn.datasets import make_classification
X, y = make_classification(n_samples = 1000, n_features = 10,n_informative = 2, n_redundant = 0,random_state = 0, shuffle = False)
ADBclf = AdaBoostClassifier(n_estimators = 100, random_state = 0)
ADBclf.fit(X, y)

输出

AdaBoostClassifier(algorithm = 'SAMME.R', base_estimator = None,
learning_rate = 1.0, n_estimators = 100, random_state = 0)

示例

拟合后，我们可以如下预测新值：

print(ADBclf.predict([[0, 2, 3, 0, 1, 1, 1, 1, 2, 2]]))

输出

[1]

示例

现在我们可以如下检查分数：

ADBclf.score(X, y)

输出

0.995

示例

我们还可以使用sklearn数据集使用Extra-Tree方法构建分类器。例如，在下面给出的示例中，我们使用Pima-Indian数据集。

from pandas import read_csv
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.ensemble import AdaBoostClassifier
path = r"C:\pima-indians-diabetes.csv"
headernames = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']
data = read_csv(path, names = headernames)
array = data.values
X = array[:,0:8]
Y = array[:,8]
seed = 5
kfold = KFold(n_splits = 10, random_state = seed)
num_trees = 100
max_features = 5
ADBclf = AdaBoostClassifier(n_estimators = num_trees, max_features = max_features)
results = cross_val_score(ADBclf, X, Y, cv = kfold)
print(results.mean())

输出

0.7851435406698566

AdaBoost回归

为了使用Ada Boost方法创建回归器，Scikit-learn库提供了sklearn.ensemble.AdaBoostRegressor。在构建回归器时，它将使用与sklearn.ensemble.AdaBoostClassifier相同的参数。

实现示例

在下面的示例中，我们使用sklearn.ensemble.AdaBoostRegressor构建AdaBoost回归器，并使用predict()方法预测新值。

from sklearn.ensemble import AdaBoostRegressor
from sklearn.datasets import make_regression
X, y = make_regression(n_features = 10, n_informative = 2,random_state = 0, shuffle = False)
ADBregr = RandomForestRegressor(random_state = 0,n_estimators = 100)
ADBregr.fit(X, y)

输出

AdaBoostRegressor(base_estimator = None, learning_rate = 1.0, loss = 'linear',
n_estimators = 100, random_state = 0)

示例

拟合后，我们可以从回归模型中进行如下预测：

print(ADBregr.predict([[0, 2, 3, 0, 1, 1, 1, 1, 2, 2]]))

输出

[85.50955817]

梯度提升树

它也称为梯度提升回归树(GRBT)。它基本上是将提升推广到任意可微损失函数。它以弱预测模型集合的形式生成预测模型。它可用于回归和分类问题。它们的主要优点在于它们自然地处理混合类型数据。

梯度提升树分类

为了创建梯度提升树分类器，Scikit-learn模块提供了sklearn.ensemble.GradientBoostingClassifier。在构建此分类器时，此模块使用的主要参数是“loss”。这里，“loss”是要优化的损失函数的值。如果我们选择loss = deviance，则它指的是具有概率输出的分类的偏差。

另一方面，如果我们将此参数的值选择为exponential，则它将恢复AdaBoost算法。参数n_estimators将控制弱学习器的数量。名为learning_rate的超参数（范围为(0.0, 1.0]）将通过收缩来控制过拟合。

实现示例

在下面的示例中，我们使用sklearn.ensemble.GradientBoostingClassifier构建梯度提升分类器。我们用50个弱学习器拟合此分类器。

from sklearn.datasets import make_hastie_10_2
from sklearn.ensemble import GradientBoostingClassifier
X, y = make_hastie_10_2(random_state = 0)
X_train, X_test = X[:5000], X[5000:]
y_train, y_test = y[:5000], y[5000:]

GDBclf = GradientBoostingClassifier(n_estimators = 50, learning_rate = 1.0,max_depth = 1, random_state = 0).fit(X_train, y_train)
GDBclf.score(X_test, y_test)

输出

0.8724285714285714

示例

我们还可以使用sklearn数据集使用梯度提升分类器构建分类器。在下面的示例中，我们使用Pima-Indian数据集。

from pandas import read_csv
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score
from sklearn.ensemble import GradientBoostingClassifier
path = r"C:\pima-indians-diabetes.csv"
headernames = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']
data = read_csv(path, names = headernames)
array = data.values
X = array[:,0:8]
Y = array[:,8]
seed = 5
kfold = KFold(n_splits = 10, random_state = seed)
num_trees = 100
max_features = 5
ADBclf = GradientBoostingClassifier(n_estimators = num_trees, max_features = max_features)
results = cross_val_score(ADBclf, X, Y, cv = kfold)
print(results.mean())

输出

0.7946582356674234

梯度提升树回归

为了使用梯度提升树方法创建回归器，Scikit-learn库提供了sklearn.ensemble.GradientBoostingRegressor。它可以通过名为loss的参数指定回归的损失函数。loss的默认值为“ls”。

实现示例

在下面的示例中，我们使用sklearn.ensemble.GradientBoostingRegressor构建梯度提升回归器，并使用mean_squared_error()方法找到均方误差。

import numpy as np
from sklearn.metrics import mean_squared_error
from sklearn.datasets import make_friedman1
from sklearn.ensemble import GradientBoostingRegressor
X, y = make_friedman1(n_samples = 2000, random_state = 0, noise = 1.0)
X_train, X_test = X[:1000], X[1000:]
y_train, y_test = y[:1000], y[1000:]
GDBreg = GradientBoostingRegressor(n_estimators = 80, learning_rate=0.1,
max_depth = 1, random_state = 0, loss = 'ls').fit(X_train, y_train)

拟合后，我们可以如下找到均方误差：

mean_squared_error(y_test, GDBreg.predict(X_test))

输出

5.391246106657164
打印页面
上一页
下一页
广告