
【咱們的目標(biāo)】系列算法講解旨在用最簡(jiǎn)單易懂的故事情節(jié)幫助大家掌握晦澀無趣的機(jī)器學(xué)習(xí),適合對(duì)數(shù)學(xué)很頭疼的同學(xué)們,小板凳走起!
今天咱們就來討論一下傳說中的集成算法,之前咱們講的算法都是單兵作戰(zhàn)的(單個(gè)模型得到結(jié)果),但是回過頭來想一想現(xiàn)在是不是干啥都講究個(gè)合作共贏,所以咱們的模型也是如此。單個(gè)算法確實(shí)勢(shì)單力薄,假如我們可以把它們組合起來會(huì)不會(huì)得到更好的效果呢?(算法們要揭竿起義了,今亡亦死舉大計(jì)亦死。。。編不下去了)
在集成算法中,有三個(gè)核心模塊,咱們就一一道來,先來概述一下:
Bagging集成:并行的構(gòu)造多個(gè)基礎(chǔ)模型(隨機(jī)森林),每一個(gè)基礎(chǔ)模型都各自為政,然后把它們的結(jié)果求一個(gè)平均就好!
Boosting集成:串行的構(gòu)造多個(gè)基礎(chǔ)模型(Xgboost),每一個(gè)基礎(chǔ)模型都要嚴(yán)格篩選,在前面的基礎(chǔ)上加進(jìn)來的新模型后,它們整體的效果起碼得沒加這個(gè)新的基礎(chǔ)模型前要強(qiáng)吧!
Stacking集成:多種算法群毆一起上!選擇多個(gè)機(jī)器學(xué)習(xí)算法做同一件事,最后把它們的結(jié)果合并就OK啦!
先來看看第一個(gè)家伙Bagging模型,其典型代表就是隨機(jī)森立了,簡(jiǎn)單來說就是并行的訓(xùn)練一堆樹模型,然后求其平均結(jié)果,在這里我們要討論一個(gè)問題,就是每個(gè)樹模型該怎么構(gòu)造呢?如果不加入任何限制,那每個(gè)樹模型不都差不多嘛,那最后的平均結(jié)果又會(huì)有什么變化呢?所以為了結(jié)果的泛化能力更強(qiáng),必須要使得每個(gè)樹模型表現(xiàn)出多樣性,也就是盡可能的讓每個(gè)樹模型都不一樣!
這該怎么做呢?什么影響模型呢?數(shù)據(jù)絕對(duì)是最大的影響因子,這里的森林很好理解了,就是把樹放在一起,那么隨機(jī)又是什么呢?為了保證每個(gè)樹的多樣性,在構(gòu)建模型時(shí),我們做了二重隨機(jī)(我自創(chuàng)的詞。。。)第一重就是對(duì)樣本的選擇,每次隨機(jī)的有放回的選擇部分樣本作為一棵樹的訓(xùn)練樣本(比如選擇百分之八十作為訓(xùn)練集)。第二重還要考慮特征了,既然樣本數(shù)據(jù)能隨機(jī),那么特征也是一樣的,每棵樹選擇的特征也是不一樣的隨機(jī)選擇部分特征來建模!
隨機(jī)的意義非常重要,這是隨機(jī)森林的精神所在!
隨機(jī)森林作為灰常經(jīng)典的機(jī)器學(xué)習(xí)算法,優(yōu)勢(shì)自然少不了,當(dāng)我們建模完之后,還可以對(duì)特征進(jìn)行重要性評(píng)估,其實(shí)簡(jiǎn)單來說一個(gè)特征的重要與否可以取決于建模的時(shí)候如果把這個(gè)特征換成噪音特征再去看看結(jié)果的錯(cuò)誤率是不是顯著上升,如果顯著上升,那么這個(gè)特征自然很重要,如果沒變化,那這個(gè)特征就沒啥用了,因?yàn)樗驮胍魶]啥區(qū)別!
隨機(jī)森林中樹的個(gè)數(shù)是不是越多越好呢?理論上越多的樹效果應(yīng)該會(huì)更好吧,但是實(shí)際上我們把樹的個(gè)數(shù)增加到一定的時(shí)候比如100棵了已經(jīng),再往上增加樹的個(gè)數(shù)結(jié)果也只會(huì)發(fā)生小范圍的浮動(dòng),基本也就穩(wěn)定了!
Boosting集成中典型的代表就屬Xgboost啦,一個(gè)大殺器,這個(gè)算法由于涉及的數(shù)學(xué)比較多,咱們后續(xù)來一個(gè)專題去講Xgboost,我們先來看看簡(jiǎn)單些的Adaboost。
Adaboost算法概述來說就是,首選我有一個(gè)非常簡(jiǎn)單的模型,比如深度為1的樹模型,然后我去預(yù)測(cè)一下結(jié)果,在結(jié)果中我發(fā)現(xiàn)某些樣本預(yù)測(cè)錯(cuò)了,這個(gè)時(shí)候第二個(gè)簡(jiǎn)單的樹模型就來了,還是同樣的任務(wù)只不過數(shù)據(jù)的權(quán)重發(fā)生了變換,一開始所有的數(shù)據(jù)都是相同的權(quán)重,但是第二次會(huì)把前面那次預(yù)測(cè)錯(cuò)的數(shù)據(jù)的權(quán)重增大,相對(duì)來說預(yù)測(cè)對(duì)的數(shù)據(jù)的權(quán)重就會(huì)減小。說白了就是讓后面的模型更注重我之前哪些數(shù)據(jù)分錯(cuò)了,這回好能分對(duì)它?。ê帽任覀?cè)诳荚嚽岸紩?huì)復(fù)習(xí)之前做錯(cuò)的題)
最后來看一下堆疊模型吧,社會(huì)我Stacking,人狠話不多,不需要多解釋,做了一堆算法,然后把它們的結(jié)果堆疊起來,每個(gè)算法都有自己的預(yù)測(cè)結(jié)果,這些結(jié)果組合在一起那不相當(dāng)于一個(gè)新的特征嘛,再把它們結(jié)果組成的特征去做一個(gè)分類或者回歸,又得到了一個(gè)唯一的結(jié)果。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠(chéng)摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國(guó)內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03