CatBoost, XGBoost, AdaBoost, LightBoost，各种Boost的介绍和对比

本篇文章内容

1. 介绍
2. AdaBoost
3. Gradient Boost1. XGBoost2. Histogram-Based Gradient Boost3. LightBoost4. CatBoost
4. 总结

介绍

在集成学习中，目标是用多种学习算法最成功地训练模型。Bagging方法是一种集成学习方法，将多个模型并行应用于同一数据集的不同子样本。Boosting是另一种在实践中经常使用的方法，它不是并行构建的，而是按顺序构建的，目的是训练算法和模型。弱算法先对模型进行训练，然后根据训练结果对模型进行重组，使模型更容易学习。然后将修改后的模型发送给下一个算法，第二个算法比第一个算法学习起来更容易。本文包含了不同的增强方法，从不同的角度解释了这些方法并进行了简单的测试。

AdaBoost

自适应提升（Adaboost）是一种广泛使用的基于决策树桩（Decision stump: Threshold isassigned and the Prediction is made by the threshold.）的boosting方法。但是在Adaboost中并不是盲目地重复这种方法。建立了多个算法，这些算法依次更新它们的权值，并在做出最准确的估计时发挥各自的作用。计算了每种算法的错误率。权值被更新，因此被引用到第二种算法中。第二个算法对模型进行分类，像第一个模型一样更新权重，并将其转移到第三个算法。这些过程一直持续到n_estimator的数目或达到误差=0。在这个过程中，由于权值由之前的算法更新并发送给其他算法，使得分类更加容易和成功。让我们用一个例子来解释这个复杂的顺序算法过程:

假设有两个标签，红色和蓝色。第一种算法(弱分类器1)对标签进行分离，结果是2个蓝色样本和1个红色样本被误分类。这些错误分类的权重增加，正确分类的权重降低后，发送到下一个模型进行学习。在新模型中，错误分类样本的偏差增大，而正确分类样本的偏差减小，这两种模型的学习效果较好。接下来的步骤将重复相同的过程。综上所述，强分类是在弱分类的配合下发生的。因为它用于分类，所以也可以通过导入AdaBoostRegressor用于回归。

超参数

base_estimators:一个顺序改进的算法类(默认= DecisionTreeClassifier)

n_estimators:确定上述过程将采取的最大步骤数。(默认= 50)

learning_rate:决定权重的变化量。如果选择过小，则n_estimators的值必须非常高。如果它被选得太大，它可能永远达不到最优值。(默认= 1)

 import numpy as np
 from time import time
 from sklearn.datasets import make_classification 
 from sklearn.model_selection import cross_val_score,train_test_split
 from sklearn.model_selection import KFold
 
 x,y = make_classification(n_samples=100000,n_features=30, n_informative=10, 
                           n_redundant=5,random_state=2021)

一个将用于所有方法的数据集已经导入，现在让我们实现Adaboost:

 from sklearn.ensemble import AdaBoostClassifier
 
 start_ada = time()
 ada = AdaBoostClassifier()
 
 kf=KFold(n_splits=5,shuffle=True,random_state=2021)
 ada_score=cross_val_score(ada,x,y,cv=kf,n_jobs=-1)
 print("ada", np.round(time()-start_ada,5),"sec")
 print("acc", np.mean(ada_score).round(3))
 print("***************************")

Gradient Boost

Adaboost 通过使用决策树桩（1 个节点分为 2 个叶子）更新权重来改进自身。梯度提升是另一种顺序方法，通过创建 8 到 32 个叶子来优化损失，这意味着树在梯度提升中更大（损失：就像是在线性模型中的残差）。(y_test-y_prediction)通过每个数据点给出损失的平方和给出残差。为什么使用平方?因为我们正在寻找的值是预测与实际结果的偏差。负值平方后也会作用于损失值的计算 。简而言之，将残差值转移到下一算法，使残差值更接近于0，从而使损失值最小化。

 GB = GradientBoostingClassifier()
 
 start_gb = time()
 kf=KFold(n_splits=5,shuffle=True,random_state=2021)
 GB_score=cross_val_score(GB,x,y,cv=kf,n_jobs=-1)
 print("gb", np.round(time()-start_gb,5),"sec")
 print("acc", np.mean(GB_score).round(3))
 print("***************************")

在Adaboost中，梯度增强可以通过导入GradientBoostRegressor用于回归。

 from sklearn.metrics import mean_squared_error
 x_train, x_test, y_train, y_test = train_test_split(x, y,test_size=0.2,random_state=2021)
 gbr = GradientBoostingRegressor(max_depth=5, n_estimators=150)
 gbr.fit(x_train, y_train)
 error_list = [mean_squared_error(y_test, y_pred) for y_pred in gbr.staged_predict(x_test)]

 OUT
 [0.22686585533221332,0.20713350861706786,0.1900682640534445,
  0.1761959477525979,0.16430532532798403,0.1540494010479854,
  0.14517117541343785,0.1375952312491854,0.130929810958826,
  0.12499605002264891,0.1193395594019215,0.11477096339545599,
  0.11067921343289967,0.10692446632551068,...................
  ...........................................................
  0.05488031632425609,0.05484366975329703,0.05480676108875857,
  0.054808073418709524,0.054740333154284,0.05460221966859833,
  0.05456647041868937,0.054489873127848434,0.054376259548495065,
  0.0542407250628274]

查看Error_list，可以看到损失值在每一步都在变小。[从0.22开始，完成到0.05]

XGBoost

XGBoost(Extreme Gradient Boosting)是由Tianqi Chen在2014年开发的，在Gradient boost之前速度最快，是首选的Boosting方法。由于它包含超参数，可以进行许多调整，如正则化超参数防止过拟合。

超参数

booster [缺省值=gbtree]决定那个使用那个booster，可以是gbtree，gblinear或者dart。gbtree和dart使用基于树的模型，而gblinear 使用线性函数.

silent [缺省值=0]设置为0打印运行信息；设置为1静默模式，不打印

nthread [缺省值=设置为最大可能的线程数]并行运行xgboost的线程数，输入的参数应该<=系统的CPU核心数，若是没有设置算法会检测将其设置为CPU的全部核心数下面的两个参数不需要设置，使用默认的就好了

num_pbuffer [xgboost自动设置，不需要用户设置]预测结果缓存大小，通常设置为训练实例的个数。该缓存用于保存最后boosting操作的预测结果。

num_feature [xgboost自动设置，不需要用户设置]在boosting中使用特征的维度，设置为特征的最大维度

eta [缺省值=0.3，别名：learning_rate]更新中减少的步长来防止过拟合。在每次boosting之后，可以直接获得新的特征权值，这样可以使得boosting更加鲁棒。范围：[0,1]

gamma [缺省值=0，别名: min_split_loss]（分裂最小loss）在节点分裂时，只有分裂后损失函数的值下降了，才会分裂这个节点。Gamma指定了节点分裂所需的最小损失函数下降值。这个参数的值越大，算法越保守。这个参数的值和损失函数息息相关，所以是需要调整的。范围: [0,∞]

max_depth [缺省值=6]这个值为树的最大深度。这个值也是用来避免过拟合的。max_depth越大，模型会学到更具体更局部的样本。设置为0代表没有限制范围: [0,∞]

min_child_weight [缺省值=1]决定最小叶子节点样本权重和。XGBoost的这个参数是最小样本权重的和，而GBM参数是最小样本总数。这个参数用于避免过拟合。当它的值较大时，可以避免模型学习到局部的特殊样本。但是如果这个值过高，会导致欠拟合。这个参数需要使用CV来调整。.范围: [0,∞]

subsample [缺省值=1]这个参数控制对于每棵树，随机采样的比例。减小这个参数的值，算法会更加保守，避免过拟合。但是，如果这个值设置得过小，它可能会导致欠拟合。典型值：0.5-1，0.5代表平均采样，防止过拟合.范围: (0,1]

colsample_bytree [缺省值=1]用来控制每棵随机采样的列数的占比(每一列是一个特征)。典型值：0.5-1范围: (0,1]

colsample_bylevel [缺省值=1]用来控制树的每一级的每一次分裂，对列数的采样的占比。我个人一般不太用这个参数，因为subsample参数

colsample_bytree参数可以起到相同的作用。但是如果感兴趣，可以挖掘这个参数更多的用处。范围: (0,1]

lambda [缺省值=1，别名: reg_lambda]权重的L2正则化项。(和Ridge regression类似)。这个参数是用来控制XGBoost的正则化部分的。虽然大部分数据科学家很少用到这个参数，但是这个参数在减少过拟合上还是可以挖掘出更多用处的。.

alpha [缺省值=0，别名: reg_alpha]权重的L1正则化项。(和Lasso regression类似)。可以应用在很高维度的情况下，使得算法的速度更快。

scale_pos_weight[缺省值=1]在各类别样本十分不平衡时，把这个参数设定为一个正值，可以使算法更快收敛。通常可以将其设置为负样本的数目与正样本数目的比值。

 from xgboost import XGBClassifier
 
 xgb = XGBClassifier()
 
 start_xgb = time()
 kf=KFold(n_splits=5,shuffle=True,random_state=2021)
 xgb_score=cross_val_score(xgb,x,y,cv=kf,n_jobs=-1)
 print("xgboost", np.round(time()-start_xgb,5))
 print("acc", np.mean(xgb_score).round(3))
 print("***************************")

Histogram-Based Gradient Boost

使用binning(discretizing)对数据进行分组，这是一种数据预处理方法，这里已经解释过了。例如，当给出“年龄”列时，将这些数据分为 30-40、40-50、50-60 3 组，然后将它们转换为数值数据是一种非常有效的方法。当这种分箱方法适用于决策树时，通过减少特征数量可以加快算法速度。该方法还可以通过将其与直方图分组来用作构建每棵树的集成。

 from sklearn.experimental import enable_hist_gradient_boosting
 from sklearn.ensemble import HistGradientBoostingClassifier
 
 HGB = HistGradientBoostingClassifier()
 
 start_hgb = time()
 kf=KFold(n_splits=5,shuffle=True,random_state=2021)
 HGB_score=cross_val_score(HGB,x,y,cv=kf,n_jobs=-1)
 print("hist", np.round(time()-start_hgb,5),"sec")
 print("acc", np.mean(HGB_score).round(3))
 print("***************************")

LightBoost

LGBM (Light Gradient Boosting Machine)是微软于2017年首次发布的一种基于决策树的梯度增强方法，是用户首选的另一种梯度增强方法。与其他方法的关键区别在于它是基于叶子进行树的分裂，即它可以通过关键点位检测和停计算（其他提升算法是基于深度或基于级别的）。由于LGBM是基于叶的，如图2所示，LGBM是一种非常有效的方法，可以减少误差，从而提高精度和速度。但是它不支持字符串类型的数据，需要使用特殊算法拆分分类数据，因为必须输入整数值（例如索引）而不是列的字符串名称。

 from lightgbm import LGBMClassifier
 
 lgbm = LGBMClassifier()
 
 start_lgbm = time()
 kf=KFold(n_splits=5,shuffle=True,random_state=2021)
 lgbm_score=cross_val_score(lgbm,x,y,cv=kf,n_jobs=-1)
 print("lgbm", np.round(time()-start_lgbm,5))
 print("acc", np.mean(lgbm_score).round(3))
 print("***************************")

CatBoost

CatBoost 由 Yandex 于 2017 年开发。由于它使用 One-Hot-Encoding 将所有分类特征转换为数值，因此名称来自 Categorical Boosting。将字符串自动转化成索引值输入的同属他还处理了缺失的数值。而且它也比 XGBoost 快得多。与其他 boosting 方法不同，Catboost 与对称树进行区分，对称树在每个级别的节点中使用相同的拆分。

XGBoost 和 LGBM 计算每个数据点的残差并训练模型以获得残差目标值。它针对迭代次数重复此操作，从而训练并降低残差，从而达到目标。由于这种方法适用于每个数据点，因此在泛化方面可能会很弱并导致过度拟合。

Catboost 还计算每个数据点的残差，并使用其他数据训练的模型进行计算。这样，每个数据点就得到了不同的残差数据。这些数据被评估为目标，并且通用模型的训练次数与迭代次数一样多。由于许多模型将根据定义实现，因此这种计算复杂性看起来非常昂贵并且需要太多时间。但是catboost通过有序提升但可以在更短的时间内完成。例如，catboost不是从每个数据点 (n+1)th 计算的残差的开头开始，俄日是计算(n+2)个数据点，应用(n+1)个数据点，依此类推

超参数

l2_leaf_reg：损失函数的L2正则化项。

learning_rate：学习率。在过度拟合的情况下降低 learning_rate。

depth：树的深度，多在6-10之间使用。

one_hot_max_size：使用一个独热编码对所有分类特征进行编码，其中几个不同的值小于或等于给定的参数值

grow_policy：决定树的构造类型。可以使用 SymmetricTree、Depthwise 或 Lossguide。

 from catboost import CatBoostClassifier
 
 cat = CatBoostClassifier()
 
 start_cat = time()
 kf=KFold(n_splits=5,shuffle=True,random_state=2021)
 cat_score=cross_val_score(cat,x,y,cv=kf,n_jobs=-1)
 print("cat", np.round(time()-start_cat,5))
 print("acc", np.mean(cat_score).round(3))
 print("***************************")

总结

在本文中，使用 DecisionTree 来处理提升方法，但可以通过更改相关的超参数轻松实现其他机器学习模型。此外，所有boosting方法都使用base version（未调整任何超参数）来比较boosting方法的性能，上面应用的代码如下表：

作者：Ibrahim Kovan