机器学习——集成算法

（一）集成算法原理

集成算法：
构建多个学习器，然后通过一定策略结合把它们来完成学习任务的，常常可以获得比单一学习显著优越的学习器。

集成算法一般分为三类：Bagging，Boosting，Stacking（我们可以把它简单地看成并行，串行和树型）

1.1 Bagging模型

Bagging模型详解

Bagging的全称是bootstrap averaging，它把各个基模型的结果组织起来，具体实现也有很多种类型，以sklearn中提供的Bagging集成算法为例（下面代码中会用到部分算法）：

1. BaggingClassifier/BaggingRegressor是从原始数据集抽选Ｓ次（抽取实例，抽取属性），得到S个新数据集（有的值可能重复，有的值可能不出现）。使用同一模型，训练得到S个分类器，预测时使用投票结果最多的分类。
2. RandomForestClassifier随机森林，它是对决策树的集成，用随机的方式建立一个决策树的森林。当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行判断，预测时使用投票结果最多的分类，也是少数服从多数的算法。
3. VotingClassifier，可选择多个不同的基模型，分别进行预测，以投票方式决定最终结果。

Bagging中各个基算法之间没有依赖，可以并行计算，它的结果参考了各种情况，实现的是在欠拟合和过拟合之间取折中。

最典型的代表就是随机森林。

随机：数据采样随机，特征选择随机

森林：很多个决策树并行放在一起

随机森林优势：

1. 它能够处理很高维度（feature很多）的数据，并且不用做特征选择。
2. 在训练完后，它能够给出哪些feature比较重要。
3. 容易做成并行化方法，速度比较快。
4. 可以进行可视化展示，便于分析。

树模型：

理论上越多的树效果会越好，但实际上基本超过一定数量就差不多上下浮动了。

训练多个分类器取平均$f(x)=1/M{\sum }_{m=1}^M{f}_m(x)$
M表示建立树模型的个数。

1.2 Boosting模型

从弱学习器开始加强，通过加权来进行训练。
$F_m(x)=F_{m-1}(x)+argmi{n}_{}$