简单易学的机器学习算法——梯度提升决策树GBDT

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。

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 m 个训练样本:

{(X(1),y(1)),(X(2),y(2)),,(X(m),y(m))}

其中, X(i)={x(i)1,x(i)2,,x(i)m} 称为第 i 个样本的特征,y(1)称为第 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)到样本标签 y(1) 的映射,即:

X(i)Fy(i)

为了能够对映射 F(X) 进行求解,通常对模型设置损失函数 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=argminF(X)L(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)=WX=w0+w1x1+w2x2++wnxn

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

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:

minf(w)

其基本步骤为:

  • 随机选择一个初始点 w0
  • 重复以下过程:
    • 决定下降的方向: di=wf(w)wi
    • 选择步长 ρ
    • 更新: 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:

这里写图片描述

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

w=i=0Mρidi

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)) ,为了能够求解出最优的函数 F(X) ,首先,设置初始值为:

F0(X)=f0(X)

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

F(X)=i=0Mfi(X)

其中, fi(X) 为:

fi(X)=ρigm(X)

其中, gm(X)=[L(y,F(X))F(X)]F(X)=Fm1(X)

由上述的过程可以得到函数 F(X) 的更新过程:

Fm(X)=i=0mfi(X)

与上面类似,函数 f(X) 是由参数 a 决定的,即:

f(X)=ρh(X;a)

二、Boosting

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:

这里写图片描述

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 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 个学习器对其进行学习,依次进行下去,最终得到b个学习器,最终,合并这 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:

这里写图片描述

在Boosting方法中,最重要的方法包括:AdaBoostGBDT

2、Gradient Boosting

由上图所示的Boosting方法中,最终的预测结果为b个学习器结果的合并:

f(X)=j=1bθjφj(X)

这与上述的在函数空间中的优化类似:

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¯i=L(yi,F(X(i)))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:

这里写图片描述

三、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。

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 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))}

其中, X(i) n 维向量,表示的是第i个样本的特征, y(i) 为样本的标签,在回归问题中,标签 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:

这里写图片描述

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

s2m=(y(1)y¯)2+(y(2)y¯)2++(y(m)y¯)2

其中, y¯ 为标签的均值。此时,从 n 维特征中选择第j维特征,从 m 个样本中选择一个样本的值:xj作为划分的标准,当样本 i 的第j维特征小于等于 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 m1 ,划分到右子树的样本的个数为 m2=mm1 ,其划分的结果如下图所示:

这里写图片描述

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: s21m1+s22m2

s21m1+s22m2=X(i)left(y(i)y¯1)2+X(j)right(y(j)y¯2)2

其中, y¯1 为左子树中节点标签的均值,同理, y¯2 为右子树中节点标签的均值。选择其中 s21m1+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:

这里写图片描述

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 s2m

s2m=X(i)(y(i)y¯)2=X(i)((y(i))22y(i)y¯+(y¯)2)=X(i)(y(i))22mX(i)y(i)2+1mX(i)y(i)2=X(i)(y(i))21mX(i)y(i)2

而对于 s21m1+s22m2

s21m1+s22m2=X(i)left(y(i)y¯1)2+X(j)right(y(j)y¯2)2=X(i)left((y(i))22y(i)y¯1+(y¯1)2)+X(j)right((y(j))22y(j)y¯2+(y¯2)2)

=X(i)(y(i))22m1X(i)lefty(i)2+1m1X(i)lefty(i)22m2X(j)righty(j)2+1m2X(j)righty(j)2=X(i)(y(i))21m1X(i)lefty(i)21m2X(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:

1mX(i)y(i)2

当划分后,两个节点的值的和为:

1m1X(i)lefty(i)2+1m2X(j)righty(j)2

最好的划分,对应着两个节点的值的和的最大值。

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)=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:

这里写图片描述

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~ 尽可能一致,对于 y~ ,其计算过程为:

y~(i)=L(y(i),F(X(i)))F(X(i))F(X)=Fm1(X)=log(1+exp(2y(i)F(X(i))))F(X(i))F(X)=Fm1(X)=11+exp(2y(i)F(X(i)))exp(2y(i)F(X(i)))(2y(i))F(X)=Fm1(X)

=2y(i)exp(2y(i)F(X(i)))1+exp(2y(i)F(X(i)))F(X)=Fm1(X)=2y(i)1+exp(2y(i)Fm1(X(i)))

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:

γjm=argminγX(i)Rjmlog(1+exp(2y(i)(Fm1(X(i))+γ)))

由Newton-Raphson迭代公式可得:

γjm=X(i)Rjmy~(i)X(i)Rjmy~(i)(2y~(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

已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 编程工作室 设计师:CSDN官方博客 返回首页