• 机器学习:集成学习(Soft Voting Classifier)


    一、Hard Voting 与 Soft Voting 的对比

     1)使用方式

    • voting = 'hard':表示最终决策方式为 Hard Voting Classifier;
    • voting = 'soft':表示最终决策方式为 Soft Voting Classifier;

     2)思想

    • Hard Voting Classifier:根据少数服从多数来定最终结果;
    • Soft Voting Classifier:将所有模型预测样本为某一类别的概率的平均值作为标准,概率最高的对应的类型为最终的预测结果;
    • Hard Voting

    • 模型 1:A - 99%、B - 1%,表示模型 1 认为该样本是 A 类型的概率为 99%,为 B 类型的概率为 1%;
    • Soft Voting

    • 将所有模型预测样本为某一类别的概率的平均值作为标准;
    • Hard Voting 投票方式的弊端
    1. 如上图,最终的分类结果不是由概率值更大的模型 1 和模型 4 决定,而是由概率值相对较低的模型 2/3/5 来决定的;

    二、各分类算法的概率计算

    • Soft Voting 的决策方式,要求集合的每一个模型都能估计概率;

     1)逻辑回归算法

    • P = σ( y_predict )

     2)kNN 算法

    • k 个样本点中,数量最多的样本所对应的类别作为最终的预测结果;
    • kNN 算法也可以考虑权值,根据选中的 k 个点距离待预测点的距离不同,k 个点的权值也不同;
    • P = n / k
    • n:k 个样本中,最终确定的类型的个数;如下图,最终判断为 红色类型,概率:p = n/k = 2 / 3;

     3)决策树算法

    • 通常在“叶子”节点处的信息熵或者基尼系数不为 0,数据集中包含多种类别的数据,以数量最多的样本对应的类别作为最终的预测结果;(和 kNN 算法类似)
    • P = n / N 
    1. n:“叶子”中数量最多的样本的类型对应的样本数量;
    2. N:“叶子”中样本总量;

     4)SVM 算法

    • 在 scikit-learn 中的 SVC() 中的一个参数:probability
    1. probability = True:SVC() 返回样本为各个类别的概率;(默认为 False)
      from sklearn.svm import SVC
      svc = SVC(probability=True)
    2. 计算样本为各个类别的概率需要花费较多时间;

    三、scikit-learn 中使用集成分类器:VotingClassifier

     1)模拟数据集

    • import numpy as np
      import matplotlib.pyplot as plt
      from sklearn import datasets
      from sklearn.model_selection import train_test_split
      
      X, y = datasets.make_moons(n_samples=500, noise=0.3, random_state=42)
      X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

     2)voting = 'hard':使用 Hard Voting 做决策

    • from sklearn.linear_model import LogisticRegression
      from sklearn.svm import SVC
      from sklearn.tree import DecisionTreeClassifier
      from sklearn.ensemble import VotingClassifier
      
      # 实例化
      voting_clf = VotingClassifier(estimators=[
          ('log_clf', LogisticRegression()),
          ('svm_clf', SVC()),
          ('dt_clf', DecisionTreeClassifier(random_state=666))
      ], voting='hard')
      
      voting_clf.fit(X_train, y_train)
      voting_clf.score(X_test, y_test)
      # 准确率:0.896

     3)voting = 'soft':使用 Soft Voting 做决策

    • voting_clf = VotingClassifier(estimators=[
          ('log_clf', LogisticRegression()),
          ('svm_clf', SVC(probability=True)),
          ('dt_clf', DecisionTreeClassifier(random_state=666))
      ], voting='soft')
      
      voting_clf.fit(X_train, y_train)
      voting_clf.score(X_test, y_test)
      # 准确率:0.912
    • 使用 Soft Voting 时,SVC() 算法的参数:probability=True
  • 相关阅读:
    打包python脚本为exe可执行文件-pyinstaller和cx_freeze示例
    2011年-CUshell编程大赛
    【Java菜鸟学习总结】Java基础知识(类)
    【Java菜鸟学习总结】Java基础(关键字、数据类型、运算符、流程控制)
    【Java菜鸟学习总结】Java 后端开发学习路线
    【opencv_python学习之三】图像处理(一)更改色彩模式
    【opencv_python学习之二.五】如何查看opencv_python的函数说明
    【cocos2d-x 学习(一)】【转】Cocos2d-x 3.X Qt MinGW版本编译运行
    mfc导出dll(一)
    【opencv_python学习之二】图像处理初识
  • 原文地址:https://www.cnblogs.com/volcao/p/9483026.html
Copyright © 2020-2023  润新知