目录

• scikit-learn库之梯度提升树
• 一、GradietBoostingClassifier
  • 1.1 使用场景
  • 1.2 参数
  • 1.3 属性
  • 1.4 方法
• 二、GradietBoostingClassifier

更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/

scikit-learn库之梯度提升树

本文主要介绍梯度提升树的两个模型GradientBoostingClassifier和GradientBoostingRegressor，这两个模型调参包括两部分，第一部分是Bagging框架，第二部分是CART决策树的参数。本文会详解介绍GradientBoostingClassifier模型，然后会对比着讲解GradientBoostingRegressor模型。

接下来将会讨论上述两者的区别，由于是从官方文档翻译而来，翻译会略有偏颇，有兴趣的也可以去scikit-learn官方文档查看https://scikit-learn.org/stable/modules/classes.html#module-sklearn.ensemble

一、GradietBoostingClassifier

1.1 使用场景

GradientBoostingClassifier模型主要用于解决分类问题。

1.2 参数

• loss：损失函数，str类型。分类梯度提升树默认为‘deviance‘。
  • 对于分类提升树，可以选择‘deviance‘对数似然损失函数和‘exponential‘指数损失函数。一般推荐使用默认的‘deviance‘，如果使用‘exponential‘二分类时等同于AdaBoost算法。默认为‘deviance‘。
  • 对于回归提升树可以选择‘ls‘均方误差、‘lad‘绝对损失、‘lad‘绝对损失、‘hub‘Huber损失、‘quantile‘分位数损失。数据噪声不多，使用默认的‘ls‘；噪音较多，使用‘huber‘；对训练集分段预测，使用‘quantile‘。使用‘huber‘和‘quantile‘的时候需要指定参数alpha。默认为‘ls‘。
• learning_rate：权重缩减系数，float类型。这个参数是正则化项的参数\(\lambda\)。较小的\(\lambda\)需要更多的迭代次数，即learning_rate和n_estimators需要一起调参。默认为1。
• n_estimators：：弱学习器个数，int类型。弱学习器的个数，也可以说是弱学习的最大迭代次数，如果n_estimators过大，容易过拟合；如果n_estimators过小，容易欠拟合。默认为10。
• subsample：子采样，float类型。subsample取值范围为\((0,1]\)，这里的子采样是不放回抽样，如果取值为1，则使用全部样本，如果取值小于去，只有训练一部分样本，使用该参数可以减小方差，防止过拟合，但是会增加样本拟合的偏差，一般取值在\([0.5,0.8]\)。默认为1.0。
• criterion：特征选择，str类型。criterion=‘gini‘表示基尼指数；criterion=‘entropy‘表示信息增益，推荐使用‘gini‘。默认为‘gini‘。
• splitter：特征划分点选择，str类型。默认为‘friedman_mse‘。
• min_samples_split：内部节点划分需要最少样本数，float类型。限定子树继续划分的条件，如果某节点的样本数少于min_samples_split，则会停止继续划分子树。如果样本数量过大，建议增大该值，否则建议使用默认值。默认为2。
• min_samples_leaf：叶子节点最少样本数float类型。如果在某次划分叶子节点数目小于样本数，则会和兄弟节点一起剪枝。如果样本数量过大，建议增大该值，否则建议使用默认值。默认为1。
• min_weight_fraction_leaf：叶子节点最小的样本权重和，float类型。该参数限制了叶子节点所有样本权重和的最小值，如果小于该值，则会和兄弟节点一起剪枝。如果样本有角度的缺失值，或者样本的分布偏差较大，则可以考虑权重问题。默认为0。
• max_depth：最大深度，int类型。限制决策树的深度。默认为3。
• max_leaf_nodes：最大叶子节点数，int类型。限制最大叶子节点数，可以防止树过深，因此可以防止过拟合。默认为None。
• min_impurity_decrease：节点减小不纯度，float类型。如果某节点划分会导致不纯度的减少大于min_impurity_decrease，则停止该节点划分。默认为0。
• min_impurity_split：节点划分最小不纯度，float类型。如果某节点的不纯度小于min_impurity_split，则停止该节点划分，即不生成叶子节点。默认为1e-7(0.0000001)。
• class_weight：类别权重，dict类型或str类型。对于二元分类问题可以使用class_weight={0:0.9,1:0.1}，表示0类别权重为0.9，1类别权重为0.1，str类型即为‘balanced‘，模型将根据训练集自动修改不同类别的权重。默认为None。
• init：初始弱学习器，弱学习器类型。对应前向分步算法中的\(f_0(x)\)，除非对数据有先验知识，否则不用管这个参数。可选参数。
• random_state：随机数种子，int类型。random_state=None，不同时刻产生的随机数据是不同的；random_state=int类型，相同随机数种子不同时刻产生的随机数是相同的。默认为None。
• max_features：划分的最大特征数，str、int、float类型。max_depth=‘log2‘表示最多考虑\(log_2n\)个特征；max_depth={‘sqrt‘,‘auto‘}表示最多考虑\(\sqrt{n}\)个特征；max_depth=int类型，考虑\(|int类型|\)个特征；max_depth=float类型，如0.3，则考虑\(0.3n\)个特征，其中\(n\)为样本总特征数。默认为None，样本特征数不大于50推荐使用默认值。
• verbose：日志冗长度，int类型。verbose=0，不输出训练过程；verbose=1，输出部分训练过程；verbose>1，输出所有的训练过程。默认为0。
• max_leaf_nodes：最大叶子节点数，int类型。限制最大叶子节点数，可以防止树过深，因此可以防止过拟合。默认为None。
• warm_start：热启动，bool类型。如果为True，则基于上一个随机森林添加决策树；如果为False，则重新生成一个随机森林。默认为False。
• presort：数据是否排序，bool类型。样本量较小，presort=True，即让样本数据排序，节点划分速度更快；样本量较大，presort=True，让样本排序反而会增加训练模型的时间。通常使用默认值。默认值为False。
• validation_fraction：预留数据，float类型。取值范围为\([0,1]\)，预留多少比例的数据做验证。默认为0.1。
• n_iter_no_change：停止训练，int类型。可以在设置一个参数控制算法，在验证分数没有提高的时候提早结束。默认为None。
• tol：损失停止训练，float类型。设置一个值在损失在某个区间内没有改善时停止算法。默认为1e-4。

1.3 属性

• estimators_：list类型。所有决策树集合。
• feature_importances_：array类型。特征重要度。
• oob_improvement_：array类型。袋外样本对前一次迭代损失的改善程度。
• train_score_：array类型。袋内样本训练数据的偏差。
• loss_：返回损失函数。
• init_：返回初始弱学习器。
• estimators_：ndarray类型。弱学习器集。

1.4 方法

• apply(X[, check_input])：返回每个样本预测的叶子节点索引。
• decision_function(X)：决策函数关于样本X的值。
• fit(X,y)：把数据放入模型中训练模型。
• get_params([deep])：返回模型的参数，可以用于Pipeline中。
• predict(X)：预测样本X的分类类别。
• predict_log_proba(X)：返回样本X在各个类别上对应的对数概率。
• predict_proba(X)：返回样本X在各个类别上对应的概率。
• score(X,y)：基于报告决定系数\(R^2\)评估模型。
• set_prams(**params)：创建模型参数。
• staged_decision_function(X)：返回每个阶段样本X的决策函数值。
• staged_predict(X)：返回每个阶段样本X的预测值。
• staged_predict_proba(X)：返回每个阶段样本X在各个类别上对应的概率。

二、GradietBoostingClassifier

GradientBoostingClassifier较于GradientBoostingClassifier模型主要用于解决回归问题，不同之处在于处理预测值的方法不同和使用的损失函数的不同。

原文地址：https://www.cnblogs.com/nickchen121/p/11686752.html