码迷,mamicode.com
首页 > 编程语言 > 详细

机器学习:集成算法 - xgboost

时间:2020-03-07 20:57:18      阅读:95      评论:0      收藏:0      [点我收藏+]

标签:影响   math   最大   割点   次数   缺失值   boosting   lam   方便   

xgboost(eXtreme Gradient Boosting)

  • 大规模并行 boosting tree 的工具,据说是现在最好用的 boosting 算法,针对传统 GBDT 算法做了很多改进

xgboost 和传统 GBDT 的区别

  • GBDT 基学习器只用 CART 树,而 xgboost 除了用 CART 树,还可以用其他分类器
  • 优化目标函数里,用到了二阶导数信息,能够更快地收敛,而普通的 GBDT 只用到一阶
  • 优化目标函数里,对衡量模型复杂度的正则项进行了改进,GBDT 只对叶子个数做惩罚,而 xgboost 对叶子个数做惩罚的同时,还对叶子节点的权值做惩罚,有效地避免了过拟合
  • 利用优化目标函数的推导作为树的分裂准则
  • 在分割节点、寻找最佳分割点的时候,可以引入并行计算
  • 利用了特征的稀疏性
  • 能处理特征缺失
  • 支持列采样

输出函数

设有样本数据 \(\normalsize (x_{i}, y_{i})_{i=1}^{n}\)

j 棵树记为 \(\normalsize f_{j}(x)\)

则由 m 棵树组成的 xgboost 输出为

??\(\normalsize y_{i} = F_{m}(x_{i}) = F_{m-1}(x_{i}) + f_{m}(x_{i}) = \sum_{j=1}^{m}f_{j}(x_{i})\)

看起来就和 GBDT 一样,但 xgboost 的优化函数不一样

优化目标函数

xgboost 的优化目标函数为

??\(\normalsize Obj = \sum_{i=1}^{n}L(y_{i}, F_{m}(x_{i})) + \Omega(F)\)

??\(\normalsize \Omega(F) = \gamma T +\frac{1}{2}\lambda\sum_{k}^{T}(||w_{k}||^{2})\)

??其中 \(\small T\) 是所有树的叶子节点的总数,\(\small w\) 是每个叶子节点的系数

泰勒展开公式

??\(\normalsize f(x+\Delta x) = \frac{f(x)}{0!} + \frac{f^{'}(x)}{1!}\Delta x + ... + \frac{f^{(n)}(x)}{n!}\Delta x^{n} + R_{n}(x)\)
??
??其中 \(\small R_{n}(x)\)是泰勒公式的余项,是 \(\small \Delta x^{n}\)的高阶无穷小

将优化目标函数按泰勒公式展开,并取前三项目得到近似值

??\(\normalsize Obj = \sum_{i=1}^{n}L(y_{i}, F_{m}(x_{i})) + \Omega(F)\)

???? \(\normalsize = \sum_{i=1}^{n}L(y_{i}, y_{i(m-1)}+f_{m}(x_{i})) + \Omega(F)\)

???? \(\normalsize = \sum_{i=1}^{n}[L(y_{i}, y_{i(m-1)}) +\frac{\partial L(y_{i}, y_{i(m-1)})}{\partial y_{i(m-1)}}f_{m}(x_{i})\)

?????? \(\normalsize + \frac{1}{2}\frac{\partial^{2} L(y_{i}, y_{i(m-1)})}{\partial^{2} y_{i(m-1)}}f^{2}_{m}(x_{i})] + \Omega(F)\)

将一阶导数记为 \(\normalsize g_{i}\) 将二阶导数记为 \(\normalsize h_{i}\) 改写为

??\(\normalsize Obj = \sum_{i=1}^{n}[L(y_{i}, y_{i(m-1)}) +g_{i}f_{m}(x_{i}) + \frac{1}{2}h_{i}f^{2}_{m}(x_{i})] + \Omega(F)\)

由于在计算第 m 棵树的时候,前 m-1 棵树已经确定,所以可以只保留和第 m 棵树有关的项,将优化目标改写为

??\(\normalsize Obj = \sum_{i=1}^{n}[g_{i}f_{m}(x_{i}) + \frac{1}{2}h_{i}f^{2}_{m}(x_{i})] + \Omega(f_{m})\)

\(\normalsize f_{m}\) 的每个叶子节点是输出一个固定的值 \(\normalsize w_{j}\)
\(\normalsize I_{j}\) 代表所有会被映射到叶子节点 \(\normalsize j\)\(\normalsize x_{i}\) 集合
\(\normalsize T\) 代表 \(\normalsize f_{m}\) 的叶子节点数

进一步改写为

??\(\normalsize Obj = \sum_{j=1}^{T}[(\sum_{i\in I_{j}}g_{i})w_{j} + \frac{1}{2}(\sum_{i\in I_{j}}h_{i})w_{j}^{2}] + \gamma T +\frac{1}{2}\lambda\sum_{j=1}^{T}(w_{j}^{2})\)

???? \(\normalsize = \sum_{j=1}^{T}[(\sum_{i\in I_{j}}g_{i})w_{j} + \frac{1}{2}(\sum_{i\in I_{j}}h_{i}+\lambda)w_{j}^{2}] + \gamma T\)

设有

??\(\normalsize G_{j} = \sum_{i\in I_{j}}g_{i}\)
??\(\normalsize H_{j} = \sum_{i\in I_{j}}h_{i}\)

可改写为

??\(\normalsize Obj = \sum_{j=1}^{T}[(G_{j}w_{j} +\frac{1}{2}(H_{j}+\lambda)w_{j}^{2}] + \gamma T\)

\(\normalsize w_{j}\) 求导并另导数为 0

??\(\normalsize G_{j}+(H_{j}+\lambda)w_{j} = 0\)

得到最优的
?
??\(\normalsize w_{j} = -\frac{G_{j}}{H_{j} + \lambda}\)
?
??\(\normalsize Obj = -\frac{1}{2}\sum_{j=1}^{T} \frac{G_{j}^{2}}{H_{j}+\lambda} + \gamma T\)
?
用于衡量树的优劣的就是 \(\normalsize Obj\),其值越小,树结构越好

分裂叶子节点的依据

假设现在有一个叶子节点,属于这个叶子节点的样本的一阶导数的和为 \(\normalsize G_{M}\),二阶导数的和为 \(\normalsize H_{M}\),如果需要对这个叶子节点分裂成两个节点,那么叶子节点数量就 +1,假设分到左叶子的样本的值为 \(\normalsize G_{L}\)\(\normalsize H_{L}\),分到右叶子的样本的值为 \(\normalsize G_{R}\)\(\normalsize H_{R}\),则有 \(\normalsize G_{L} + G_{R} = G_{M}\) 以及 \(\normalsize G_{L} + G_{R} = H_{M}\),那么 \(\normalsize Obj\) 减小的值为
?
??\(\normalsize Gain = (-\frac{1}{2}\frac{G_{M}^{2}}{H_{M} + \lambda} + \gamma T) - (-\frac{1}{2}\frac{G_{L}^{2}}{H_{L}+\lambda} - \frac{1}{2}\frac{G_{R}^{2}}{H_{R} + \lambda} + \gamma(T+1))\)
?
????? \(\normalsize = \frac{1}{2}[\frac{G_{L}^{2}}{H_{L} + \lambda} + \frac{G_{R}^{2}}{H_{R} + \lambda} - \frac{(G_{L} + G_{R})^{2}}{(H_{L} + H_{R})+\lambda}] - \gamma\)
?
选择使得 \(\normalsize Gain\) 值最大的分割特征和分割点
??
并计算分割后新的叶子节点的系数
??
??\(\normalsize w_{L} = -\frac{G_{L}}{H_{L} + \lambda}\)
??
??\(\normalsize w_{R} = -\frac{G_{R}}{H_{R} + \lambda}\)
??
停止分割的条件
??○?如果最大的 \(\normalsize Gain\)\(\normalsize\gamma\) 还小
??○?树已经达到了最大深度
??○?样本权重和小于某一个阈值

寻找最佳分裂点

  • 精确算法 - 穷举法
    ??遍历所有特征的所有特征值,该方法精度高但计算量大
  • 近似算法 - 分位点分割
    ??每个特征按照样本特征值的百分比选择候选分裂点
    ??近似法又有两种
    ??(1) 全局法:生成树之前就确定候选分裂点,这可以减少计算,但要一次取比较多的点
    ??(2) 局部法:每个节点确定候选分裂点,每次取的点较少,且可不断改善,但计算量大
  • 近似算法 - 二阶导数的分位点分割
    ??同样是按百分比选择候选分裂点,但不是直接用特征值,而是用二阶导数 \(\small h\)

提高计算速度

  • 提前计算和排序
    ?生成树的过程是串行的,在生成第 m 棵树时,第 m-1 棵树已经有了
    ?这样每个样本的一阶和二阶导数是已知的,可提前计算所有样本的 \(\normalsize g\)\(\normalsize h\) 值,并提前排序
    ?如果是近似算法,还可以提前将各个分位点之间的 \(\normalsize g\)\(\normalsize h\) 值进行累加得到 \(\normalsize G\)\(\normalsize H\)
  • 并行分裂节点
    ?每个节点的分裂都是独立互不影响的,所以可以并行计算
    ?每个节点的分裂要遍历所有特征,特征计算也可以并行处理
  • 存储优化
    ?采用 Block 结构以稀疏矩阵 CSC 存储特征数据并排序,后续的并行计算可以重复使用 Block
    ?Block 按列存储,方便计算
    ?Block 的特征需要指向对应样本的导数值,会导致非连续内存访问,使用缓存预取来避免
    ?不同的 Block 可以存在不同的机器上,该方法对局部近似法尤其有效
    ?当数据太大无法全写入内存时,需要将 Block 压缩落盘,然后有独立的线程做读取解压

特征评价

xgboost 有三个指标用于对特征进行评价

  • weight - 某个特征被用于分裂的次数
  • gain - 某个特征被用于分裂时得到的平均增益
  • cover - 某个特征在分裂时结点处的平均二阶导数

学习率(Shrinkage)

和 GBDT 一样,xgboost 也使用了学习率做 Shrinkage,在计算出了节点的 \(\normalsize w\) 值后,会乘以一个小于 1 的系数,这能够防止过拟合

列采样

xgboost 支持列抽样,能避免过拟合,同时能减少计算

稀疏数据

xgboost 能学习缺失值的分裂方向,在分裂的过程中,会尝试把所有特征缺失的样本都分入左节点,或是都分入右节点,看是哪边增益大,然后决定其分裂方向



机器学习:集成算法 - xgboost

标签:影响   math   最大   割点   次数   缺失值   boosting   lam   方便   

原文地址:https://www.cnblogs.com/moonlight-lin/p/12436668.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!