机器学习笔记-分类器

计算社会科学讲习班 机器学习:理论与实践模块Day2

如果把机器学习归为两大类,那么主要的工作可以分为:分类和聚类。而分类任务基本上占整个机器学习或者是数据挖掘领域的70%。

image.png

1.逻辑回归
回归的本质就是找参数,使得函数的值和样本的值最接近。即logit模型属于参数估计,是个有监督学习

2.判别分析
主流的判别分析算法有三大类:

  • 费希尔(Fisher)判别
    • 主要讨论线性判别分析(LDA)、二次判别分析(QDA)
  • 贝叶斯( Bayes )判别
    • 主要讨论朴素贝叶斯分类(Naïve Bayes Classification)
  • 距离判别
    • 主要讨论k最近邻(KNN)、有权重的k最近邻(Weighted KNN)

这里主要说一说LDA和QDA。LDA和QDA均是有监督学习的降维技术,前者是线性边界,后者可以形成更加灵活的非线性边界。

3.K最近邻 KNN
KNN实际上是属于判别分析算法,单独摘出来是为了和LDA、QDA区分。相比较LDA和QDA的估参需求,KNN是非参分析,无监督的学习。它是很纯粹的数据驱动。

4.支持向量机 SVM
SVM是一种有监督学习,但相较于LDA、QDA考虑所有的数据,SVM认为只有一些“特殊点”对边界的选取起作用,而其他大部分数据对判别函数的构建没有帮助。我们称这些“特殊点”为支持向量。此外,SVM找到的边界(超平面)是唯一的。

5.决策树 DT
决策树是一种非参数估计方法,无监督学习。当研究的变量是定性变量时,所建立的决策树就称为分类树,当是定量变量时,就称为回归树。此外,由于决策树的简单性,使之成为一些更有用算法的基石。

6.随机森林 RF
顾名思义,森林就是很多树,其建立在决策树的基础上。严格来说,随机森林其实算是一种集成算法。它首先随机选取不同的特征和训练样本,生成大量的决策树,然后综合这些决策树的结果来进行最终的分类。

7.集成学习
集成学习,顾名思义,就是将多种学习方法集合在一起,以生成最终的学习结果。其由两个大的步骤组成的:首先,我们需要根据训练数据,训练一组不完全相同的分类器(基模型);其次我们需要通过某种策略(集成策略),将这些训练好的分类器组合起来。而通过在这个两个步骤上采取不同的策略,可以将集成学习分为Bagging、Boosting和Stacking三个大类,其中常见的是Bagging、Boosting。

(1)Bagging
Bagging的思想是利用抽样生成不同的训练集,进而训练不同的模型,将这些模型的输出结果用投票或平均的方式得到最终的结果。


image.png

Bagging是通过降低模型的方差以提高模型的准确率的。随机森林是Bagging思想的代表。随机森林中,采用Bootstrap的方式生成多个数据集,基模型全部为决策树,并且,随机森林对于数据集中样本的特征也进行了重采样,每个基模型只会对样本的一部分特征进行训练,从而进一步提高了基模型的多样性。

(2)Boosting
Boosting是一种提升算法,其思想是,在算法迭代的过程中,每次迭代构建新的分类器,重点关注被之前分类器分类错误的样本,迭代进行,最终加权平均所有分类器的结果,提升分类精度。可以用背单词的经历来理解它,即在背单词的过程中,我们更关注的是没有记牢的部分。

image.png

Boosting通过找出自身分错的样本,并不断改正来提升模型精度的,即不断降低模型的偏差。AdaBoost是最具代表性的Boosting算法。

Bagging和Boosting区别

image.png

(3)Stacking
Bagging和Boosting都是在基模型的生成方面,利用基模型的多样性,互补有无,提升算法性能;与之不同,Stacking则从集成方法的角度对模型提升给出指导。不同于Bagging和Boosting在集成策略上使用的简单的加权平均策略,Stacking使用一个机器学习模型将不同基模型的结果集成起来,降低误差。

image.png

Stacking主要分为两个部分,第一部分是训练一组不同的基模型(称为L0模型),将这组基模型的分类结果作为新的训练集,训练一个模型(L1模型)给出最终的分类结果。

集成学习部分摘录自:简析集成学习(王帅)

有了这么多分类器可用,如何判断分类的好坏呢?

此时我们可以引入ROC曲线,利用其曲线下面积的大小定量衡量某模型的准确度。

参考资料:
1.常用分类器的效果对比
2.各种机器学习算法的应用场景分别是什么,比如朴素贝叶斯、决策树、K 近邻、SVM、逻辑回归最大熵模型
3.基于R语言的各类判别算法在住房租金预测的应用
4.简析集成学习
5.【干货】集成学习原理总结
6.数据挖掘 | 分类器性能度量 Classifier Measures

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,839评论 6 482
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,543评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 153,116评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,371评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,384评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,111评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,416评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,053评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,558评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,007评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,117评论 1 334
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,756评论 4 324
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,324评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,315评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,539评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,578评论 2 355
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,877评论 2 345

推荐阅读更多精彩内容