【机器学习】Sklearn 集成学习 |
您所在的位置：网站首页 › downloadglrfad › 【机器学习】Sklearn 集成学习 |
【机器学习】Sklearn 集成学习
|
前言
在【机器学习】集成学习基础概念介绍中有提到过，集成学习的结合策略包括： 平均法、投票法和学习法。sklearn.ensemble库中的包含投票分类器(Voting Classifier) 和投票回归器（Voting Regressor)，分别对回归任务和分类任务的机器学习模型进行投票。 本文分成两个部分： 1）VoteClassifier：介绍软、硬两种投票方法的原理； 2）详细的代码示例，使用鸢尾花数据集展示如何通过投票分类器提高整体模型的表现。 VoteClassifierVotingClassifier背后的想法是组合概念上不同的机器学习分类器，并使用多数投票或平均预测概率（软投票）来预测类别标签。这样的分类器可以用于一组性能同样良好的模型，以平衡它们各自的弱点。 #定义投票分类器 model= VotingClassifier( estimators=[('lr',LR), ('rf', RF), ('gnb', GNB)], #指定需要投票的学习器，这里lr\rf\gnb代表3中不同的模型。 voting='soft', #选择投票方式,有soft和hard weights=[2,10,1]) #权重设置 #使用投票分类器训练模型 model.fit(X,y) 硬投票(Majority/Hard Voting) 多数投票法，也叫硬投票，根据少数服从多数的原则 （Majority Class Labels）,。若是有并列的最高票，则会按照升序排序顺序选择。举例如下：例子1：会被标记为class 1， 因为三个分类器中有两个投了"class 1"。 classifier 1 -> class 1 classifier 2 -> class 1 classifier 3 -> class 2 例子2：按照结果升序排列，最终标记为class 1。 classifier 1 -> class 2 classifier 2 -> class 1 软投票(Soft Voting)： 加权投票法，增加了权重weight参数, 使用加权平均概率（Weighted Average Probabilities）该方法要求分类器支持predict_proba方法，即可以输出每个实例属于每一类的概率。如下图所示， 有三个分类器（classifier 1、classifier 2、classifier 3）和三个分类（class1,2,3) ,我们分别给3个分类器都设置相同的权重，即：w1=1, w2=1, w3=1。class2的平均概率是最高的（0.4>0.37>0.23)，所以该实例最后的分类为class 2。
详细代码示例
1. 导入包和数据准备
数据集使用的是鸢尾花数据集。 from sklearn import datasets from sklearn.model_selection import cross_val_score from sklearn.linear_model import LogisticRegression from sklearn.naive_bayes import GaussianNB from sklearn.ensemble import RandomForestClassifier from sklearn.ensemble import VotingClassifier import pandas as pd import numpy as np import warnings warnings.filterwarnings("ignore") #数据提取 iris = datasets.load_iris() #设置X、y X, y = iris.data[:, 1:3], iris.target #格式转换，整合成表格 iris_data = pd.DataFrame(np.hstack((X, y.reshape(-1, 1))),index = range(X.shape[0]),columns=['petal_length_cm','petal_width_cm','class'] ) 2.基础分类器建模这里使用了逻辑回归、随机森林、朴素贝叶斯三个模型作为基础的分类器 #逻辑回归 LR = LogisticRegression(random_state=1) LR.fit(X,y) iris_data['LR']=LR.predict(X) #随机森林 RF = RandomForestClassifier(n_estimators=50, random_state=1) RF.fit(X,y) iris_data['RF']=RF.predict(X) #朴素贝叶斯 GNB = GaussianNB() GNB.fit(X,y) iris_data['GNB']=GNB.predict(X) 3.VotingClassifier集成学习使用硬投票、软投票以及设定权重后的软投票法。 #硬投票 hard_vote = VotingClassifier( estimators=[('lr',LR), ('rf', RF), ('gnb', GNB)], voting='hard') hard_vote.fit(X,y) iris_data['hard_vote']=hard_vote.predict(X) # 软投票 soft_vote = VotingClassifier( estimators=[('lr',LR), ('rf', RF), ('gnb', GNB)], voting='soft') soft_vote.fit(X,y) iris_data['soft_vote']=soft_vote.predict(X) # 软投票自定义权重 soft_weight_vote = VotingClassifier( estimators=[('lr',LR), ('rf', RF), ('gnb', GNB)], voting='soft', weights=[2,10,1]) #权重设置 soft_weight_vote.fit(X,y) iris_data['soft_weight_vote']=soft_weight_vote.predict(X) 3.结果查看查找结果不同的实例： 通过对比RF、soft_vote和soft_weight_vote, 后者因为权重的设置增加了RF分类器的权重，所以soft_weight_vote 的结果和RF一致。hard_vote是根据LR、RF、GNB中的多数结果。 #查看结果 #iris_data.tail(10) #iris_data.head(10) iris_data[iris_data['RF']!=iris_data['soft_vote']]
参考链接 https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.VotingClassifier.html#sklearn.ensemble.VotingClassifier https://scikit-learn.org/stable/auto_examples/ensemble/plot_voting_probas.html#sphx-glr-auto-examples-ensemble-plot-voting-probas-py |
仅这个实例而言，通过计算accuracy 对比模型效果：
【本文地址】