监督学习方法

学习资料：《统计学习方法 第二版》、《机器学习实战》、吴恩达机器学习课程

一. 感知机Proceptron

1. 感知机是根据输入实例的特征向量\(x\)对其进行二类分类的线性分类模型：\(f(x)=\operatorname{sign}(w \cdot x+b)\)，感知机模型对应于输入空间（特征空间）中的分离超平面\(w \cdot x+b=0\)。

2. 感知机学习的策略是极小化损失函数：\(\min _{w, b} L(w, b)=-\sum_{x_{i} \in M} ;y_{i}\left(w \cdot x_{i}+b\right)\)；
   损失函数对应于误分类点到分离超平面的总距离。
   

3. 感知机学习算法是基于随机梯度下降法的对损失函数的最优化算法。对于所有误分类的点，计算这些点到超平面的距离，目的是最小化这些点到平面的距离。

当训练数据集线性可分时，感知机学习算法存在无穷多个解，其解由于不同的初值或不同的迭代顺序而可能有所不同。

二. K近邻算法

• K-近邻算法是一种没有显示学习过程的算法。数据集的可代表性就很重要！

• K-近邻原理：把数据集和输入实例点都映射到空间内，对给定的输入实例点，首先确定输入实例点的𝑘个最近邻训练实例点，这𝑘个训练实例点的类的多数就是预测的输入实例点的类。

• K-近邻算法的核心要素是K的值、距离度量(一般为欧式距离)、分类决策规则(一般是多数表决)。当训练集和核心要素确定时，其结果确定。

• \(k\)值小时，\(k\)近邻模型更复杂；𝑘值大时，𝑘近邻模型更简单。

三. 朴素贝叶斯

1. 数学公式

朴素的意思是所有特征相互独立且同等重要。就说明

\[P(x_1x_2…x_k)=P(x_1)P(x_2)…P(x_k) \]

贝叶斯定理：

\[P(X,Y)＝P(Y)P(X|Y) \]

得到朴素贝叶斯法的模型：

\[P(Y | X)=\frac{P(X, Y)}{P(X)}=\frac{P(Y) P(X | Y)}{\sum_{Y} P(Y) P(X | Y)} \]

2. 三种常用的朴素贝叶斯模型

• 高斯模型 当特征是连续变量时使用，假设特征符合高斯分布
• 多项式模型 当特征是离散值使用
  多项式模型在计算先验概率\(P(y_k)P(y_k)\)和条件概率\(P(x_i|y_k)P(x_i|y_k)\)时，会做一些平滑处理。
  

• 伯努利模型 当特征是离散值且是二值离散时使用

四. 决策树

决策树是基于特征对实例进行分类的树形结构。包括三大步骤：特征的选择、决策树的生成、决策树的剪枝。

1. 特征的选择

熵

信息论（information theory）中的熵（香农熵）的定义：随机变量不确定性的度量。
熵是一种信息的度量方式，表示信息的混乱程度，也就是说：信息越有序，信息熵越低。例如：火柴有序放在火柴盒里，熵值很低，相反，熵值很高。熵越大，随机变量的不确定性就越大。

信息增益

信息增益的定义：熵之差。在这里表示的是得知特征X后使得类Y划分不确定度减少的程度。

选择特征的方法是：计算每个特征对于训练集的信息增益。选择信息增益最大的特征，即分类能力强的特征。

信息增益比

用信息增益来选择特征易选择取值较多的特征，信息增益比在信息增益的基础之上乘上一个惩罚参数：特征个数较多时，惩罚参数较小，信息增益比也变小；特征个数较少时，惩罚参数较大，信息增益比随之增大。

信息增益比偏向于选择取值较少的特征。

基尼指数

基尼指数(基尼不纯度)表示在样本集合中一个随机选中的样本被分错的概率，即指数越小表示集合中被选中的样本被分错的概率越小，也就是说集合的纯度越高，反之，集合越不纯。

2. 决策树的生成

对于当前数据集的每一次的划分，都希望根据某特征划分之后的各个子集的纯度更高，不确定性更小。

ID3算法

用信息增益从大到小选择特征，根据特征的取值将训练集分为相应子集，形成对应子结点，每个子结点中的训练子集中数量最多的类作为该结点的类标记，然后递归构建决策树。

C4.5算法

用信息增益比从大到小选择特征，递归构建决策树。

CART算法

CART是个二叉树，也就是当使用某个特征划分样本集合时，不管这个特征有几个取值，划分时都只有两个集合：一个是等于给定的特征值的样本集合D1 。另一个是不等于给定的特征值的样本集合D，实际上是对拥有多个取值的特征的二值处理。

因而对于一个具有多个取值（超过2个）的特征，需要计算以每一个取值作为划分点，对样本D划分之后子集的纯度Gini(D,Ai)，(其中Ai 表示特征A的可能取值)，然后从所有的可能划分的Gini(D,Ai)中找出Gini指数最小的划分，这个划分的划分点，便是使用特征A对样本集合D进行划分的最佳划分点。

3. 决策树的剪枝

• 简化决策树，防止过拟合；
• 合并无法产生大量信息增益的叶结点，消除过度匹配的问题；
• 通过优化损失函数，减小决策树复杂度。

五. logistic回归

logistic回归是一种二分类算法

1. 表达式和函数图像

2. cost function

3. 梯度下降

六. SVM

Support Vector(支持向量)：就是离超平面最近的点

SVM是线性分类算法，与感知机不同的是，SVM的原理是不仅仅要成功做到线性可分，还要找最大间隔largest margin——就是支持向量离超平面最近的距离，然后最大化这个距离。进而转化为最优化问题——最优化距离。

1. 松弛变量

之前的模型噪声对非常敏感。如果数据集存在噪音，会导致最终超平面的选择不够好，甚至造成线性不可分的情况。在优化目标函数上加上松弛变量就类似于正则化变量一样，允许离群点的存在，但是会对离群点有所惩罚。寻找最优最大间隔与考虑离群点的存在之间的平衡就成了优化目标。

2. 核函数

SVM是线性分类算法。对于非线性可分的数据集，可以利用核函数将数据映射到高维空间，从而把低纬线性不可分数据转为高纬度线性可分数据，然后再用SVM。

七. 集成方法

bagging、boosting都是集成多个分类器的方法。

1. bagging

把训练集进行随机放回抽样，抽取出与原训练集数量相同的新数据集，总共生成多个样本数量相同的新训练集。利用同一个学习算法对这几个训练集训练，形成多个分类器。之后预测新实例时用多个分类器同时进行预测，选择最多的分类类别作为结果。

最常用的方法：随机森林

2. boosting

只用原始数据集，但对里面每个样本赋予权重，先后用同种弱分类器训练数据集，每个弱分类器训练结束得到由分类正确率计算出来的alpha值，再通过这个值更新样本权重。预测新实例时是将每个弱分类器预测结果乘alpha值线性相加得到。

最常用的方法：Adaboost

八. 分类

分类问题可以分为二分类问题、多分类问题、多标签分类问题和多输出分类

二分类：一个样本只有一个标签且只可能是0或者1；

多分类：一个样本只有一个标签但标签结果为多个；

多标签：一个样本有多个标签，但每个标签的值是0或1；

多输出：一个样本有多个标签且每个标签的值为多个。

如何解决多分类的问题

1. 一些算法(比如随机森林分类器或者朴素贝叶斯分类器)可以直接处理多类分类问题。

2. 其他一些算法(比如 SVM 分类器或者线性分类器)则是严格的二分类器。但是，用一些策略可以让二分类器去执行多类分类。

   • OvA n个类需要n个分类器：每一个类对应一个二分类器，输出是或否。优点是分类器较少，缺点是每个分类器需要训练所有数据。
   • OvO n个类需要n(n-1)/2个分类器：每两个类组成一个二分类器，输出两个类中的一个。优点是每个分类器只需要在训练集的部分数据上面进行训练，这部分数据是它所需要区分的那两个类对应的数据。缺点是分类器较多。(SVM适合OvO)

九. 线性回归

线性回归模型中将cost function最小化除了用梯度下降还可以用正规方程。正规方程法不需要学习率，不需要特征缩放，可以直接一次计算出：

只要特征变量的数目并不大，标准方程是一个很好的计算参数的替代方法。具体地说，只要特征变量数量小于一万，通常使用标准方程法，而不使用梯度下降法。

注意：有些时候对于某些模型不能使用正规方程而只能用梯度下降。

来源：oschina

链接：https://my.oschina.net/u/4383219/blog/3229049