简单易学的机器学习算法——梯度提升决策树GBDT「建议收藏」

简单易学的机器学习算法——梯度提升决策树GBDT「建议收藏」梯度提升决策树(GradientBoostingDecisionTree,GBDT)算法是近年来被提及比较多的一个算法,这主要得益于其算法的性能,以及该算法在各类数据挖掘以及机器学习比赛中的卓越表现,有很多人对GBDT算法进行了开源代码的开发,比较火的是陈天奇的XGBoost和微软的LightGBM。一、监督学习1、监督学习的主要任务监督学习是机器学习算法中重要的一种,对于监督学习,假设有mm…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

梯度提升决策树(Gradient Boosting Decision Tree,GBDT)算法是近年来被提及比较多的一个算法,这主要得益于其算法的性能,以及该算法在各类数据挖掘以及机器学习比赛中的卓越表现,有很多人对GBDT算法进行了开源代码的开发,比较火的是陈天奇的XGBoost和微软的LightGBM。

1. 监督学习

1.1. 监督学习的主要任务

监督学习是机器学习算法中重要的一种,对于监督学习,假设有 m m m个训练样本:

{ ( X ( 1 ) , y ( 1 ) ) , ( X ( 2 ) , y ( 2 ) ) , ⋯   , ( X ( m ) , y ( m ) ) } \left \{ \left ( X^{\left ( 1 \right )},y^{\left ( 1 \right )} \right ),\left ( X^{\left ( 2 \right )},y^{\left ( 2 \right )} \right ),\cdots ,\left ( X^{\left ( m \right )},y^{\left ( m \right )} \right ) \right \} {
(X(1),y(1)),(X(2),y(2)),,(X(m),y(m))}

其中, X ( i ) = { x 1 ( i ) , x 2 ( i ) , ⋯   , x m ( i ) } X^{\left ( i \right )}=\left \{ x^{\left ( i \right )}_1,x^{\left ( i \right )}_2,\cdots ,x^{\left ( i \right )}_m \right \} X(i)={
x1(i),x2(i),,xm(i)}
称为第 i i i个样本的特征, y ( i ) y^{\left ( i \right )} y(i)称为第 i i i个样本的标签,样本标签可以为离散值,如分类问题;也可以为连续值,如回归问题。在监督学习中,利用训练样本训练出模型,该模型能够实现从样本特征 X ( i ) X^{\left ( i \right )} X(i)到样本标签 y ( i ) y^{\left ( i \right )} y(i)的映射,即:

X ( i ) → F y ( i ) X^{\left ( i \right )}\overset{F}{\rightarrow} y^{\left ( i \right )} X(i)Fy(i)

为了能够对映射 F ( X ) F\left ( X \right ) F(X)进行求解,通常对模型设置损失函数 L ( y , F ( X ) ) L\left ( y,F\left ( X \right ) \right ) L(y,F(X)),并求得在损失函数最小的情况下的映射为最好的映射:

F ∗ = a r g m i n F ( X )    L ( y , F ( X ) ) F^\ast =\underset{F\left ( X \right )}{argmin}\; L\left ( y,F\left ( X \right ) \right ) F=F(X)argminL(y,F(X))

对于一个具体的问题,如线性回归问题,其映射函数的形式为:

F ( X ; W ) = W X = w 0 + w 1 x 1 + w 2 x 2 + ⋯ + w n x n F\left ( X;W \right )=WX=w_0+w_1x_1+w_2x_2+\cdots +w_nx_n F(X;W)=WX=w0+w1x1+w2x2++wnxn

此时对于最优映射函数 F ( X ; W ) F\left ( X;W \right ) F(X;W)的求解,实质是对映射函数中的参数 W W W的求解。对于参数的求解方法有很多,如梯度下降法。

1.2. 梯度下降法

梯度下降法(Gradient Descent,GD)算法是求解最优化问题最简单、最直接的方法。梯度下降法是一种迭代的优化算法,对于优化问题:

m i n    f ( w ) min\; f\left ( w \right ) minf(w)

其基本步骤为:

  • 随机选择一个初始点 w 0 w_0 w0
  • 重复以下过程:
    • 决定下降的方向: d i = − ∂ ∂ w f ( w ) ∣ w i d_i=-\frac{\partial }{\partial w}f\left ( w \right )\mid _{w_i} di=wf(w)wi
    • 选择步长 ρ \rho ρ
    • 更新: w i + 1 = w i + ρ ⋅ d i w_{i+1}=w_i+\rho \cdot d_i wi+1=wi+ρdi
  • 直到满足终止条件

梯度下降法的具体过程如下图所示:

在这里插入图片描述

由以上的过程,我们可以看出,对于最终的最优解 w ∗ w^\ast w,是由初始值 w 0 w_0 w0经过 M M M代的迭代之后得到的,在这里,设 w 0 = d 0 w_0=d_0 w0=d0,则 w ∗ w^\ast w为:

w ∗ = ∑ i = 0 M ρ i ⋅ d i w^\ast =\sum_{i=0}^{M}\rho _i\cdot d_i w=i=0Mρidi

1.3. 在函数空间的优化

以上是在指定的函数空间中对最优函数进行搜索,那么,能否直接在函数空间(function space)中查找到最优的函数呢?根据上述的梯度下降法的思路,对于模型的损失函数 L ( y , F ( X ) ) L\left ( y,F\left ( X \right ) \right ) L(y,F(X)),为了能够求解出最优的函数 F ∗ ( X ) F^\ast\left ( X \right ) F(X),首先,设置初始值为:

F 0 ( X ) = f 0 ( X ) F_0\left ( X \right )=f_0\left ( X \right ) F0(X)=f0(X)

以函数 F ( X ) F\left ( X \right ) F(X)作为一个整体,对于每一个样本 X ( i ) X^{\left ( i\right )} X(i),都存在对应的函数值 F ( X ( i ) ) F\left ( X^{\left ( i\right )} \right ) F(X(i))。与梯度下降法的更新过程一致,假设经过 M M M代,得到最有的函数 F ∗ ( X ) F^\ast\left ( X \right ) F(X)为:

F ∗ ( X ) = ∑ i = 0 M f i ( X ) F^\ast\left ( X \right )=\sum_{i=0}^{M}f_i\left ( X \right ) F(X)=i=0Mfi(X)

其中, f i ( X ) f_i\left ( X \right ) fi(X)为:

f i ( X ) = − ρ i g m ( X ) f_i\left ( X \right )=-\rho _ig_m\left ( X \right ) fi(X)=ρigm(X)

其中, g m ( X ) = [ ∂ L ( y , F ( X ) ) ∂ F ( X ) ] F ( X ) = F m − 1 ( X ) g_m\left ( X \right )=\left [ \frac{\partial L\left ( y,F\left ( X \right ) \right )}{\partial F\left ( X \right )} \right ]_{F\left ( X \right )=F_{m-1}\left ( X \right )} gm(X)=[F(X)L(y,F(X))]F(X)=Fm1(X)

由上述的过程可以得到函数 F ( X ) F\left ( X \right ) F(X)的更新过程:

F m ( X ) = ∑ i = 0 m f i ( X ) F_m\left ( X \right )=\sum_{i=0}^{m}f_i\left ( X \right ) Fm(X)=i=0mfi(X)

与上面类似,函数 f ( X ) f\left ( X \right ) f(X)是由参数 a \textbf{a} a决定的,即:

f ( X ) = − ρ ⋅ h ( X ; a ) f\left ( X \right )=-\rho \cdot h\left ( X;\textbf{a} \right ) f(X)=ρh(X;a)

2. Boosting

2.1. 集成方法之Boosting

Boosting方法是集成学习中重要的一种方法,在集成学习方法中最主要的两种方法为Bagging和Boosting,在Bagging中,通过对训练样本重新采样的方法得到不同的训练样本集,在这些新的训练样本集上分别训练学习器,最终合并每一个学习器的结果,作为最终的学习结果,Bagging方法的具体过程如下图所示:

在这里插入图片描述

在Bagging方法中,最重要的算法为随机森林Random Forest算法。由以上的图中可以看出,在Bagging方法中, b b b个学习器之间彼此是相互独立的,这样的特点使得Bagging方法更容易并行。与Bagging方法不同,在Boosting算法中,学习器之间是存在先后顺序的,同时,每一个样本是有权重的,初始时,每一个样本的权重是相等的。首先,第 1 1 1个学习器对训练样本进行学习,当学习完成后,增大错误样本的权重,同时减小正确样本的权重,再利用第 2 2 2个学习器对其进行学习,依次进行下去,最终得到 b b b个学习器,最终,合并这 b b b个学习器的结果,同时,与Bagging中不同的是,每一个学习器的权重也是不一样的。Boosting方法的具体过程如下图所示:

在这里插入图片描述

在Boosting方法中,最重要的方法包括:AdaBoostGBDT

2.2. Gradient Boosting

由上图所示的Boosting方法中,最终的预测结果为 b b b个学习器结果的合并:

f ( X ) = ∑ j = 1 b θ j φ j ( X ) f\left ( X \right )=\sum_{j=1}^{b}\theta _j\varphi _j\left ( X \right ) f(X)=j=1bθjφj(X)

这与上述的在函数空间中的优化类似:

F m ( X ) = ∑ i = 0 m − ρ i ⋅ h ( X ; a i ) F_m\left ( X \right )=\sum_{i=0}^{m}-\rho _i\cdot h\left ( X;\textbf{a}_i \right ) Fm(X)=i=0mρih(X;ai)

根据如上的函数空间中的优化可知,每次对每一个样本的训练的值为:

y ˉ i = [ ∂ L ( y i , F ( X ( i ) ) ) ∂ F ( X ( i ) ) ] F ( X ) = F m − 1 ( X ) \bar{y}_i=\left [ \frac{\partial L\left ( y_i,F\left ( X^{\left ( i \right )} \right ) \right )}{\partial F\left ( X^{\left ( i \right )} \right )} \right ]_{F\left ( X \right )=F_{m-1}\left ( X \right )} yˉi=[F(X(i))L(yi,F(X(i)))]F(X)=Fm1(X)

上建立模型,由于上述是一个求解梯度的过程,因此也称为基于梯度的Boost方法,其具体过程如下所示:

在这里插入图片描述

3. Gradient Boosting Decision Tree

在上面简单介绍了Gradient Boost框架,梯度提升决策树Gradient Boosting Decision Tree是Gradient Boost框架下使用较多的一种模型,在梯度提升决策树中,其基学习器是分类回归树CART,使用的是CART树中的回归树。

3.1. 分类回归树CART

分类回归树CART算法是一种基于二叉树的机器学习算法,其既能处理回归问题,又能处理分类为题,在梯度提升决策树GBDT算法中,使用到的是CART回归树算法,对于CART树算法的更多信息,可以参考简单易学的机器学习算法——分类回归树CART

对于一个包含了 m m m个训练样本的回归问题,其训练样本为:

{ ( X ( 1 ) , y ( 1 ) ) , ( X ( 2 ) , y ( 2 ) ) , ⋯   , ( X ( m ) , y ( m ) ) } \left \{ \left ( X^{\left ( 1 \right )},y^{\left ( 1 \right )} \right ),\left ( X^{\left ( 2 \right )},y^{\left ( 2 \right )} \right ),\cdots ,\left ( X^{\left ( m \right )},y^{\left ( m \right )} \right ) \right \} {
(X(1),y(1)),(X(2),y(2)),,(X(m),y(m))}

其中, X ( i ) X^{\left ( i \right )} X(i) n n n维向量,表示的是第 i i i个样本的特征, y ( i ) y^{\left ( i \right )} y(i)为样本的标签,在回归问题中,标签 y ( i ) y^{\left ( i \right )} y(i)为一系列连续的值。此时,利用训练样本训练一棵CART回归树:

  • 开始时,CART树中只包含了根结点,所有样本都被划分在根结点上:

在这里插入图片描述
此时,计算该节点上的样本的方差(此处要乘以 m m m),方差表示的是数据的波动程度。那么,根节点的方差的 m m m倍为:

s 2 ⋅ m = ( y ( 1 ) − y ˉ ) 2 + ( y ( 2 ) − y ˉ ) 2 + ⋯ + ( y ( m ) − y ˉ ) 2 s^2\cdot m=\left ( y^{\left ( 1 \right )}-\bar{y} \right )^2+\left ( y^{\left ( 2 \right )}-\bar{y} \right )^2+\cdots +\left ( y^{\left ( m \right )}-\bar{y} \right )^2 s2m=(y(1)yˉ)2+(y(2)yˉ)2++(y(m)yˉ)2

其中, y ˉ \bar{y} yˉ为标签的均值。此时,从 n n n维特征中选择第 j j j维特征,从 m m m个样本中选择一个样本的值: x j x_j xj作为划分的标准,当样本 i i i的第 j j j维特征小于等于 x j x_j xj时,将样本划分到左子树中,否则,划分到右子树中,通过以上的操作,划分到左子树中的样本个数为 m 1 m_1 m1,划分到右子树的样本的个数为 m 2 = m − m 1 m_2=m-m_1 m2=mm1,其划分的结果如下图所示:

在这里插入图片描述

那么,什么样本的划分才是当前的最好划分呢?此时计算左右子树的方差之和: s 1 2 ⋅ m 1 + s 2 2 ⋅ m 2 s_1^2\cdot m_1+s_2^2\cdot m_2 s12m1+s22m2

s 1 2 ⋅ m 1 + s 2 2 ⋅ m 2 = ∑ X ( i ) ∈ l e f t ( y ( i ) − y ˉ 1 ) 2 + ∑ X ( j ) ∈ r i g h t ( y ( j ) − y ˉ 2 ) 2 s_1^2\cdot m_1+s_2^2\cdot m_2=\sum_{X^{\left ( i \right )}\in left}\left ( y^{\left ( i \right )}-\bar{y}_1 \right )^2+\sum_{X^{\left ( j \right )}\in right}\left ( y^{\left ( j \right )}-\bar{y}_2 \right )^2 s12m1+s22m2=X(i)left(y(i)yˉ1)2+X(j)right(y(j)yˉ2)2

其中, y ˉ 1 \bar{y}_1 yˉ1为左子树中节点标签的均值,同理, y ˉ 2 \bar{y}_2 yˉ2为右子树中节点标签的均值。选择其中 s 1 2 ⋅ m 1 + s 2 2 ⋅ m 2 s_1^2\cdot m_1+s_2^2\cdot m_2 s12m1+s22m2最小的划分作为最终的划分,依次这样划分下去,直到得到最终的划分,划分的结果为:

在这里插入图片描述

注意:对于上述最优划分标准的选择,以上的计算过程可以进一步优化。

首先,对于 s 2 ⋅ m s^2\cdot m s2m

s 2 ⋅ m = ∑ X ( i ) ( y ( i ) − y ˉ ) 2 = ∑ X ( i ) ( ( y ( i ) ) 2 − 2 y ( i ) ⋅ y ˉ + ( y ˉ ) 2 ) = ∑ X ( i ) ( y ( i ) ) 2 − 2 m ( ∑ X ( i ) y ( i ) ) 2 + 1 m ( ∑ X ( i ) y ( i ) ) 2 = ∑ X ( i ) ( y ( i ) ) 2 − 1 m ( ∑ X ( i ) y ( i ) ) 2 \begin{align*} s^2\cdot m &=\sum_{X^{\left ( i \right )}}\left ( y^{\left ( i \right )}-\bar{y} \right )^2\\ &= \sum_{X^{\left ( i \right )}}\left ( \left ( y^{\left ( i \right )} \right )^2-2y^{\left ( i \right )}\cdot \bar{y}+\left ( \bar{y} \right )^2\right )\\ &=\sum_{X^{\left ( i \right )}}\left ( y^{\left ( i \right )} \right )^2-\frac{2}{m}\left ( \sum_{X^{\left ( i \right )}} y^{\left ( i \right )} \right )^2+\frac{1}{m}\left ( \sum_{X^{\left ( i \right )}} y^{\left ( i \right )} \right )^2 \\ &= \sum_{X^{\left ( i \right )}}\left ( y^{\left ( i \right )} \right )^2-\frac{1}{m}\left ( \sum_{X^{\left ( i \right )}} y^{\left ( i \right )} \right )^2 \end{align*} s2m=X(i)(y(i)yˉ)2=X(i)((y(i))22y(i)yˉ+(yˉ)2)=X(i)(y(i))2m2(X(i)y(i))2+m1(X(i)y(i))2=X(i)(y(i))2m1(X(i)y(i))2

而对于 s 1 2 ⋅ m 1 + s 2 2 ⋅ m 2 s_1^2\cdot m_1+s_2^2\cdot m_2 s12m1+s22m2

s 1 2 ⋅ m 1 + s 2 2 ⋅ m 2 = ∑ X ( i ) ∈ l e f t ( y ( i ) − y ˉ 1 ) 2 + ∑ X ( j ) ∈ r i g h t ( y ( j ) − y ˉ 2 ) 2 = ∑ X ( i ) ∈ l e f t ( ( y ( i ) ) 2 − 2 y ( i ) ⋅ y ˉ 1 + ( y ˉ 1 ) 2 ) + ∑ X ( j ) ∈ r i g h t ( ( y ( j ) ) 2 − 2 y ( j ) ⋅ y ˉ 2 + ( y ˉ 2 ) 2 ) \begin{align*} s_1^2\cdot m_1+s_2^2\cdot m_2 &= \sum_{X^{\left ( i \right )}\in left}\left ( y^{\left ( i \right )}-\bar{y}_1 \right )^2+\sum_{X^{\left ( j \right )}\in right}\left ( y^{\left ( j \right )}-\bar{y}_2 \right )^2\\ &= \sum_{X^{\left ( i \right )}\in left}\left ( \left ( y^{\left ( i \right )} \right )^2-2y^{\left ( i \right )}\cdot \bar{y}_1+\left ( \bar{y}_1 \right )^2\right )+\sum_{X^{\left ( j \right )}\in right}\left ( \left ( y^{\left ( j \right )} \right )^2-2y^{\left ( j \right )}\cdot \bar{y}_2+\left ( \bar{y}_2 \right )^2 \right ) \end{align*} s12m1+s22m2=X(i)left(y(i)yˉ1)2+X(j)right(y(j)yˉ2)2=X(i)left((y(i))22y(i)yˉ1+(yˉ1)2)+X(j)right((y(j))22y(j)yˉ2+(yˉ2)2)

= ∑ X ( i ) ( y ( i ) ) 2 − 2 m 1 ( ∑ X ( i ) ∈ l e f t y ( i ) ) 2 + 1 m 1 ( ∑ X ( i ) ∈ l e f t y ( i ) ) 2 − 2 m 2 ( ∑ X ( j ) ∈ r i g h t y ( j ) ) 2 + 1 m 2 ( ∑ X ( j ) ∈ r i g h t y ( j ) ) 2 = ∑ X ( i ) ( y ( i ) ) 2 − 1 m 1 ( ∑ X ( i ) ∈ l e f t y ( i ) ) 2 − 1 m 2 ( ∑ X ( j ) ∈ r i g h t y ( j ) ) 2 \begin{align*} &=\sum_{X^{\left ( i \right )}}\left ( y^{\left ( i \right )} \right )^2-\frac{2}{m_1}\left ( \sum_{X^{\left ( i \right )}\in left} y^{\left ( i \right )} \right )^2+\frac{1}{m_1}\left ( \sum_{X^{\left ( i \right )}\in left} y^{\left ( i \right )} \right )^2 \\ &- \frac{2}{m_2}\left ( \sum_{X^{\left ( j \right )}\in right} y^{\left ( j \right )} \right )^2+\frac{1}{m_2}\left ( \sum_{X^{\left ( j \right )}\in right} y^{\left ( j \right )} \right )^2\\ &= \sum_{X^{\left ( i \right )}}\left ( y^{\left ( i \right )} \right )^2-\frac{1}{m_1}\left ( \sum_{X^{\left ( i \right )}\in left} y^{\left ( i \right )} \right )^2-\frac{1}{m_2}\left ( \sum_{X^{\left ( j \right )}\in right} y^{\left ( j \right )} \right )^2 \end{align*} =X(i)(y(i))2m12
X(i)lefty(i)
2
+m11
X(i)lefty(i)
2
m22
X(j)righty(j)
2
+m21
X(j)righty(j)
2
=X(i)(y(i))2m11
X(i)lefty(i)
2
m21
X(j)righty(j)
2

通过以上的过程,我们发现,划分前,记录节点的值为:

1 m ( ∑ X ( i ) y ( i ) ) 2 \frac{1}{m}\left ( \sum_{X^{\left ( i \right )}} y^{\left ( i \right )} \right )^2 m1(X(i)y(i))2

当划分后,两个节点的值的和为:

1 m 1 ( ∑ X ( i ) ∈ l e f t y ( i ) ) 2 + 1 m 2 ( ∑ X ( j ) ∈ r i g h t y ( j ) ) 2 \frac{1}{m_1}\left ( \sum_{X^{\left ( i \right )}\in left} y^{\left ( i \right )} \right )^2+\frac{1}{m_2}\left ( \sum_{X^{\left ( j \right )}\in right} y^{\left ( j \right )} \right )^2 m11
X(i)lefty(i)
2
+
m21
X(j)righty(j)
2

最好的划分,对应着两个节点的值的和的最大值。

3.2. GBDT——二分类

在梯度提升决策树GBDT中,通过定义不同的损失函数,可以完成不同的学习任务,二分类是机器学习中一类比较重要的分类算法,在二分类中,其损失函数为:

L ( y , F ) = l o g ( 1 + e x p ( − 2 y F ) ) ,    y ∈ { − 1 , 1 } L\left ( y,F \right )=log\left ( 1+exp\left ( -2yF \right ) \right ),\; y\in\left \{ -1,1 \right \} L(y,F)=log(1+exp(2yF)),y{
1,1}

套用上面介绍的GB框架,得到下述的二分类GBDT的算法:

在这里插入图片描述

在构建每一棵CART回归树的过程中,对一个样本的预测值应与 y ~ \tilde{y} y~尽可能一致,对于 y ~ \tilde{y} y~,其计算过程为:

y ~ ( i ) = − [ ∂ L ( y ( i ) , F ( X ( i ) ) ) ∂ F ( X ( i ) ) ] F ( X ) = F m − 1 ( X ) = − [ ∂ l o g ( 1 + e x p ( − 2 y ( i ) F ( X ( i ) ) ) ) ∂ F ( X ( i ) ) ] F ( X ) = F m − 1 ( X ) = − [ 1 1 + e x p ( − 2 y ( i ) F ( X ( i ) ) ) ⋅ e x p ( − 2 y ( i ) F ( X ( i ) ) ) ⋅ ( − 2 y ( i ) ) ] F ( X ) = F m − 1 ( X ) \begin{align*} \tilde{y}^{\left (i \right )} &= -\left [ \frac{\partial L\left ( y^{\left ( i \right )},F\left ( X^{\left ( i \right )} \right ) \right )}{\partial F\left ( X^{\left ( i \right )} \right )} \right ]_{F\left ( X \right )=F_{m-1}\left ( X \right )}\\ &= -\left [ \frac{\partial log\left ( 1+exp\left ( -2y^{\left ( i \right )}F\left ( X^{\left ( i \right )} \right ) \right ) \right )}{\partial F\left ( X^{\left ( i \right )} \right )} \right ]_{F\left ( X \right )=F_{m-1}\left ( X \right )}\\ &= -\left [ \frac{1}{1+exp\left ( -2y^{\left ( i \right )}F\left ( X^{\left ( i \right )} \right ) \right )}\cdot exp\left ( -2y^{\left ( i \right )}F\left ( X^{\left ( i \right )} \right ) \right )\cdot \left ( -2y^{\left ( i \right )} \right ) \right ]_{F\left ( X \right )=F_{m-1}\left ( X \right )} \end{align*} y~(i)=[F(X(i))L(y(i),F(X(i)))]F(X)=Fm1(X)=[F(X(i))log(1+exp(2y(i)F(X(i))))]F(X)=Fm1(X)=[1+exp(2y(i)F(X(i)))1exp(2y(i)F(X(i)))(2y(i))]F(X)=Fm1(X)

= 2 y ( i ) ⋅ e x p ( − 2 y ( i ) F ( X ( i ) ) ) 1 + e x p ( − 2 y ( i ) F ( X ( i ) ) ) F ( X ) = F m − 1 ( X ) = 2 y ( i ) 1 + e x p ( 2 y ( i ) F m − 1 ( X ( i ) ) ) \begin{align*} &=\frac{2y^{\left ( i \right )}\cdot exp\left ( -2y^{\left ( i \right )}F\left ( X^{\left ( i \right )} \right ) \right )}{1+exp\left ( -2y^{\left ( i \right )}F\left ( X^{\left ( i \right )} \right ) \right )}_{F\left ( X \right )=F_{m-1}\left ( X \right )}\\ &= \frac{2y^{\left ( i \right )}}{1+exp\left ( 2y^{\left ( i \right )}F_{m-1}\left ( X^{\left ( i \right )} \right ) \right )} \end{align*} =1+exp(2y(i)F(X(i)))2y(i)exp(2y(i)F(X(i)))F(X)=Fm1(X)=1+exp(2y(i)Fm1(X(i)))2y(i)

y ~ \tilde{y} y~(通常有的地方称为残差,在这里,更准确的讲是梯度下降的方向)上构建CART回归树。最终将每一个训练样本划分到对应的叶子节点中,计算此时该叶子节点的预测值:

γ j m = a r g m i n γ ∑ X ( i ) ∈ R j m l o g ( 1 + e x p ( − 2 y ( i ) ( F m − 1 ( X ( i ) ) + γ ) ) ) \gamma _{jm}=\underset{\gamma }{argmin}\sum _{X^{\left ( i \right )}\in R_{jm}}log\left ( 1+exp\left ( -2y^{\left ( i \right )}\left ( F_{m-1}\left ( X^{\left ( i \right )} \right )+\gamma \right ) \right ) \right ) γjm=γargminX(i)Rjmlog(1+exp(2y(i)(Fm1(X(i))+γ)))

由Newton-Raphson迭代公式可得:

γ j m = ∑ X ( i ) ∈ R j m y ~ ( i ) ∑ X ( i ) ∈ R j m ∣ y ~ ( i ) ∣ ( 2 − ∣ y ~ ( i ) ∣ ) \gamma _{jm}=\frac{\sum _{X^{\left ( i \right )}\in R_{jm}}\tilde{y}^{\left (i \right )}}{\sum _{X^{\left ( i \right )}\in R_{jm}}\left | \tilde{y}^{\left (i \right )} \right |\left ( 2-\left | \tilde{y}^{\left (i \right )} \right | \right )} γjm=X(i)Rjm
y~(i)
(2
y~(i)
)
X(i)Rjmy~(i)

以参考文献3 Idiots’ Approach for Display Advertising Challenge中提供的代码为例:

  • GBDT训练的主要代码为:
void GBDT::fit(Problem const &Tr, Problem const &Va)
{ 

bias = calc_bias(Tr.Y); //用于初始化的F
std::vector<float> F_Tr(Tr.nr_instance, bias), F_Va(Va.nr_instance, bias);
Timer timer;
printf("iter time tr_loss va_loss\n");
// 开始训练每一棵CART树
for(uint32_t t = 0; t < trees.size(); ++t)
{ 

timer.tic();
std::vector<float> const &Y = Tr.Y;
std::vector<float> R(Tr.nr_instance), F1(Tr.nr_instance); // 记录残差和F
#pragma omp parallel for schedule(static)
for(uint32_t i = 0; i < Tr.nr_instance; ++i)
R[i] = static_cast<float>(Y[i]/(1+exp(Y[i]*F_Tr[i]))); //计算残差,或者称为梯度下降的方向
// 利用上面的残差值,在此函数中构造一棵树
trees[t].fit(Tr, R, F1); // 分类树的生成
double Tr_loss = 0;
// 用上面训练的结果更新F_Tr,并计算log_loss
#pragma omp parallel for schedule(static) reduction(+: Tr_loss)
for(uint32_t i = 0; i < Tr.nr_instance; ++i)
{ 

F_Tr[i] += F1[i];
Tr_loss += log(1+exp(-Y[i]*F_Tr[i]));
}
Tr_loss /= static_cast<double>(Tr.nr_instance);
// 用上面训练的结果预测测试集,打印log_loss
#pragma omp parallel for schedule(static)
for(uint32_t i = 0; i < Va.nr_instance; ++i)
{ 

std::vector<float> x = construct_instance(Va, i);
F_Va[i] += trees[t].predict(x.data()).second;
}
double Va_loss = 0;
#pragma omp parallel for schedule(static) reduction(+: Va_loss)
for(uint32_t i = 0; i < Va.nr_instance; ++i)
Va_loss += log(1+exp(-Va.Y[i]*F_Va[i]));
Va_loss /= static_cast<double>(Va.nr_instance);
printf("%4d %8.1f %10.5f %10.5f\n", t, timer.toc(), Tr_loss, Va_loss);
fflush(stdout);
}
}
  • CART回归树的训练代码为:
void CART::fit(Problem const &prob, std::vector<float> const &R, std::vector<float> &F1){ 

uint32_t const nr_field = prob.nr_field; // 特征的个数
uint32_t const nr_sparse_field = prob.nr_sparse_field;
uint32_t const nr_instance = prob.nr_instance; // 样本的个数
std::vector<Location> locations(nr_instance); // 样本信息
#pragma omp parallel for schedule(static)
for(uint32_t i = 0; i < nr_instance; ++i)
locations[i].r = R[i]; // 记录每一个样本的残差
for(uint32_t d = 0, offset = 1; d < max_depth; ++d, offset *= 2){ 
// d:深度
uint32_t const nr_leaf = static_cast<uint32_t>(pow(2, d)); // 叶子节点的个数
std::vector<Meta> metas0(nr_leaf); // 叶子节点的信息
for(uint32_t i = 0; i < nr_instance; ++i){ 

Location &location = locations[i]; //第i个样本的信息
if(location.shrinked)
continue;
Meta &meta = metas0[location.tnode_idx-offset]; //找到对应的叶子节点
meta.s += location.r; //残差之和
++meta.n;
}
std::vector<Defender> defenders(nr_leaf*nr_field); //记录每一个叶节点的每一维特征
std::vector<Defender> defenders_sparse(nr_leaf*nr_sparse_field);
// 针对每一个叶节点
for(uint32_t f = 0; f < nr_leaf; ++f){ 

Meta const &meta = metas0[f]; // 叶子节点
double const ese = meta.s*meta.s/static_cast<double>(meta.n); //该叶子节点的ese
for(uint32_t j = 0; j < nr_field; ++j)
defenders[f*nr_field+j].ese = ese;
for(uint32_t j = 0; j < nr_sparse_field; ++j)
defenders_sparse[f*nr_sparse_field+j].ese = ese;
}
std::vector<Defender> defenders_inv = defenders;
std::thread thread_f(scan, std::ref(prob), std::ref(locations),
std::ref(metas0), std::ref(defenders), offset, true);
std::thread thread_b(scan, std::ref(prob), std::ref(locations),
std::ref(metas0), std::ref(defenders_inv), offset, false);
scan_sparse(prob, locations, metas0, defenders_sparse, offset, true);
thread_f.join();
thread_b.join();
// 找出最佳的ese,scan里是每个字段的最佳ese,这里是所有字段的最佳ese,赋值给相应的tnode
for(uint32_t f = 0; f < nr_leaf; ++f){ 

// 对于每一个叶节点都找到最好的划分
Meta const &meta = metas0[f];
double best_ese = meta.s*meta.s/static_cast<double>(meta.n);
TreeNode &tnode = tnodes[f+offset];
for(uint32_t j = 0; j < nr_field; ++j){ 

Defender defender = defenders[f*nr_field+j];//每一个叶节点都对应着所有的特征
if(defender.ese > best_ese)
{ 

best_ese = defender.ese;
tnode.feature = j;
tnode.threshold = defender.threshold;
}
defender = defenders_inv[f*nr_field+j];
if(defender.ese > best_ese)
{ 

best_ese = defender.ese;
tnode.feature = j;
tnode.threshold = defender.threshold;
}
}
for(uint32_t j = 0; j < nr_sparse_field; ++j)
{ 

Defender defender = defenders_sparse[f*nr_sparse_field+j];
if(defender.ese > best_ese)
{ 

best_ese = defender.ese;
tnode.feature = nr_field + j;
tnode.threshold = defender.threshold;
}
}
}
// 把每个instance都分配给树里的一个叶节点下
#pragma omp parallel for schedule(static)
for(uint32_t i = 0; i < nr_instance; ++i){ 

Location &location = locations[i];
if(location.shrinked)
continue;
uint32_t &tnode_idx = location.tnode_idx;
TreeNode &tnode = tnodes[tnode_idx];
if(tnode.feature == -1){ 

location.shrinked = true;
}else if(static_cast<uint32_t>(tnode.feature) < nr_field){ 

if(prob.Z[tnode.feature][i].v < tnode.threshold)
tnode_idx = 2*tnode_idx; 
else
tnode_idx = 2*tnode_idx+1; 
}else{ 

uint32_t const target_feature = static_cast<uint32_t>(tnode.feature-nr_field);
bool is_one = false;
for(uint64_t p = prob.SJP[i]; p < prob.SJP[i+1]; ++p) 
{ 

if(prob.SJ[p] == target_feature)
{ 

is_one = true;
break;
}
}
if(!is_one)
tnode_idx = 2*tnode_idx; 
else
tnode_idx = 2*tnode_idx+1; 
}
}
}
// 用于计算gamma
std::vector<std::pair<double, double>> 
tmp(max_tnodes, std::make_pair(0, 0));
for(uint32_t i = 0; i < nr_instance; ++i)
{ 

float const r = locations[i].r;
uint32_t const tnode_idx = locations[i].tnode_idx;
tmp[tnode_idx].first += r;
tmp[tnode_idx].second += fabs(r)*(1-fabs(r));
}
for(uint32_t tnode_idx = 1; tnode_idx <= max_tnodes; ++tnode_idx)
{ 

double a, b;
std::tie(a, b) = tmp[tnode_idx];
tnodes[tnode_idx].gamma = (b <= 1e-12)? 0 : static_cast<float>(a/b);
}
#pragma omp parallel for schedule(static)
for(uint32_t i = 0; i < nr_instance; ++i)
F1[i] = tnodes[locations[i].tnode_idx].gamma;// 重新更新F1的值
}

在参考文献A simple GBDT in Python中提供了Python实现的GBDT的版本。

参考文献

[1] Greedy Function Approximation: A Gradient Boosting Machine

[2] Gradient boosting machines, a tutorial

[3] 3 Idiots’ Approach for Display Advertising Challenge

[4] 《统计机器学习》

[5] GBDT:梯度提升决策树

[6] 随机森林&GBDT算法以及在MLlib中的实现

[7] A simple GBDT in Python

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/182738.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)
blank

相关推荐

  • [Intensive Reading]从AlexNet理解卷积神经网络的一般结构

    [Intensive Reading]从AlexNet理解卷积神经网络的一般结构2012年AlexNet在ImageNet大赛上一举夺魁,开启了深度学习的时代,虽然后来大量比AlexNet更快速更准确的卷积神经网络结构相继出现,但是AlexNet作为开创者依旧有着很多值得学习参考的地方,它为后续的CNN甚至是R-CNN等其他网络都定下了基调,所以下面我们将从AlexNet入手,理解卷积神经网络的一般结构。先给出AlexNet的一些参数和结构图:卷积层:5层全连接层…

  • 微信小程序制作表格代码「建议收藏」

    微信小程序制作表格代码「建议收藏」微信小程序中没有专门的表格制作工具,不过使用列表渲染可以实现,下面是我做的表格图片:方法如下:在XXX.wxml中填写下面的代码参数内容{{item.code}}{{item.text}}{{item.type}}

  • python进阶(25)协程「建议收藏」

    python进阶(25)协程「建议收藏」协程的定义协程(Coroutine),又称微线程,纤程。(协程是一种用户态的轻量级线程)作用:在执行A函数的时候,可以随时中断,去执行B函数,然后中断B函数,继续执行A函数(可以自动

  • css3奇偶选择器[通俗易懂]

    css3奇偶选择器[通俗易懂]数学里面的奇数偶数,上代码trtd:nth-of-type(odd){margin-left:20px;}奇数行trtd:nth-of-type(even){margin-left:10px;}偶数行

  • 流行计算机病毒有哪些,现在流行计算机病毒有哪些[通俗易懂]

    流行计算机病毒有哪些,现在流行计算机病毒有哪些[通俗易懂]现在流行计算机病毒有哪些现在流行计算机病毒有哪些现在流行的计算机病毒有很多!你有去了解过吗?下面由小编给你做出详细的现在流行计算机病毒介绍!希望对你有帮助!现在流行计算机病毒介绍一:国家计算机病毒应急处理中心通过对互联网的监测发现,近期出现一种恶意后门程序变种Backdoor_Agent.ADG。该变种运行后,会自我复制到受感染操作系统指定文件夹下,重命名为可执行文件。随后,该变种会释放操作系统中…

  • 突破思维的障碍

    突破思维的障碍译者的话   在众多的讲述思维及创造性的书中,这是一本普通的小册子,但它却是吸引人的。作者用妙趣横生而又日常可见的素材向我们娓娓叙说了人人都会关心的问题,即我们是否意识到自己的思维障碍,怎样克服它,让自己变得更富有创造活力。   这本书在美国一版再版,风靡一时,拥有广泛的读者,无论是从事研究工作的高级学者、研究人员,还是从事行政、工商和管理活动的人士或普通学生。相信本书与中国读者的见面

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号