[R - ml]ensemble在各种模型中的使用

ensemble的好处

  • 避免纠缠于寻找单个最佳模型
  • 更适合未来问题
  • 大规模数据中性能提升,可以用并行处理

R 中随机森林的使用

随机森林是基于决策树的ensemble方法
这个方法把bagging原理与模型中特征的随机选择结合以增加决策模型的多样性,
当然ensemble模型获得之后,还是需要投票解决分歧。

随机森林可以对具有很大量特征的数据很好处理,也只选择重要模型,简单易用,
不过解释性差了,同时需要根据数据对模型进行调整。

m = randomForest(train, class, ntree = 500, mtry = sqrt(p))

  • ntree: 生成树的数目
  • mtry:可选变量,缺省是sqrt(p), p是特征数目
# install.packages('randomForest')
library(randomForest)
set.seed(300)
rf = randomForest(Good.Loan ~. , data = credit)
rf # 23.8% 比决策树的精确度提升很多

OOB 是指 out-of-bag error rate,也就是对未来数据的 error rate 的估计

我们也可以用caret

library(caret)
ctrl = trainControl(method = 'repeatedcv', number = 5, repeats = 5)
grid_rf = expand.grid(.mtry = c(2, 4, 8, 16))
set.seed(300)
m_rf = train(Good.Loan ~., data = credit, method = 'rf',
             metric = 'Kappa', trControl = ctrl,
             tuneGrid = grid_rf)
m_rf # 最优的是 16

利用 boost tree 再来一次

library(C50)
grid_c50 = expand.grid(.model = 'tree', .trails = c(10, 20, 30, 40), .winnow = FALSE)
set.seed(300)
m_c50 = train(Good.Loan ~. , data = credit, method = 'C5.0',
              metric = 'Kappa', trControl = ctrl,
              tuneGrid = grid_c50)

caret 包里面的C5.0 方法,更新了。
http://topepo.github.io/caret/train-models-by-tag.html#
再看文档,调一下

自建过程 ensemble

数据模拟

set.seed(10)

y = seq(1:1000)
x1 = seq(1:1000)*runif(1000, min = 0, max = 2)
x2 = (seq(1:1000)*runif(1000, min = 0, max = 2))^2
x3 = log(seq(1:1000)*runif(1000, min = 0, max = 2))

lm_fit = lm(y ~ x1 + x2 + x3)
summary(lm_fit)

解释 0.6648

线性模型

set.seed(10)
all_data = data.frame(y, x1, x2, x3)
positions = sample(nrow(all_data), size = floor(nrow(all_data) / 4 * 3))
training = all_data[positions, ]
testing = all_data[-positions, ]
lm_fit = lm(y ~ x1 + x2 + x3, data = training)
predictions = predict(lm_fit, newdata = testing)
error = sqrt(sum((testing$y - predictions)^2) / nrow(testing))
# error 177.3647

bagging

library(foreach)
length_divisor = 6
iterations = 1000
predictions = foreach(m = 1:iterations, .combine = cbind) %do% {
  training_positions = sample(nrow(training), size = floor(nrow(training) / length_divisor)) # 抽样1/6, floor 取整
  train_pos = 1:nrow(training) %in% training_positions
  lm_fit = lm(y ~ x1 + x2 + x3, data = training[train_pos, ])
  predict(lm_fit, newdata = testing)
}
predictions = rowMeans(predictions)
error = sqrt(sum((testing$y - predictions)^2) / nrow(testing))
# error 177.2885

提升不明显的原因,还是组间差异过小

rf - ensemble

library(randomForest)
rf_fit = randomForest(y ~ x1 + x2 + x3, data = training, ntree = 500)
predictions = predict(rf_fit, newdata = testing)
error = sqrt(sum((testing$y - predictions)^2) / nrow(testing))
# error 135.7778

随机森林采用了ensemble方法之后提升还是比较多的

rf + bagging

把randomForest 与 bagging 得到的模型 组合在一起

length_divisor = 6
iterations = 1000
predictions = foreach(m = 1:iterations, .combine = cbind) %do% { 
  training_positions = sample(nrow(training), size = floor((nrow(training) / length_divisor)))
  train_pos = 1:nrow(training) %in% training_positions
  lm_fit = lm(y ~ x1 + x2 + x3, data = training[train_pos, ])
  predict(lm_fit, newdata = testing)
}
lm_predictions = rowMeans(predictions)

library(randomForest)
rf_fit = randomForest(y ~ x1 + x2 + x3, data = training, ntree = 500)
rf_predictions = predict(rf_fit, newdata = testing)
predictions = (lm_predictions + rf_predictions) / 2 # 两种方法预测值简单求平均

error =  sqrt(sum((testing$y - predictions)^2) / nrow(testing))
# error 148.1932

比直接使用randomForest差, 因为randomForest 本身已经考虑了ensemble, 再叠加一个较差的线性模型,改进不大

考虑给rf 90%的权重

predictions = (lm_predictions + rf_predictions*9) / 10 

error =  sqrt(sum((testing$y - predictions)^2) / nrow(testing))
# error 136.5708

比单纯rf ,有一点提升

svm

library(e1071)
svm_fit = svm(y ~ x1 + x2 + x3, data = training)
svm_predictions = predict(svm_fit, newdata = testing)

error =  sqrt(sum((testing$y - svm_predictions)^2) / nrow(testing))
# error 129.8723

支持向量机 比 randomForest 更好

对svm 也采用 bagging

length_divisor = 6
iterations = 5000
predictions = foreach(m = 1:iterations, .combine = cbind) %do% { 
  training_positions = sample(nrow(training), size = floor((nrow(training) / length_divisor)))
  train_pos = 1:nrow(training) %in% training_positions
  svm_fit = svm(y ~ x1 + x2 + x3, data = training[train_pos, ])
  predict(svm_fit, newdata = testing)
}
svm2_predictions = rowMeans(predictions)
error =  sqrt(sum((testing$y - svm2_predictions)^2) / nrow(testing))
# error 140.9896

反而结果变差了

  1. 样本之间相似性
  2. 样本量不大,只有1000

ensemble svm+rf

predictions = (svm_predictions + rf_predictions) / 2 
error =  sqrt(sum((testing$y - predictions)^2) / nrow(testing))
# error 129.0832 更好一点
predictions = (svm_predictions*3 + rf_predictions) / 4 
error =  sqrt(sum((testing$y - predictions)^2) / nrow(testing))
# error 128.5303
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,258评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,335评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,225评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,126评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,140评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,098评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,018评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,857评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,298评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,518评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,678评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,400评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,993评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,638评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,801评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,661评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,558评论 2 352

推荐阅读更多精彩内容

  • 嗨, 你好, 我叫xxx, 很高兴认识你。 四年前我们以这样的方式认识,四年之后我却想要重新认识你。 记得第一次见...
    青槐儿阅读 355评论 0 0
  • 万水千山纵横 亦只因你欢喜 如何预告彼此缘分 命运没有暗示 我只好等待 静待你走进我的世界 你可知道么 为这天我已...
    花少颜阅读 294评论 0 5
  • 初秋凉而不爽,初春芬而不香。唯有这夏没有初夏之分,自始至终,炙热的心,澎湃的情,从未变过,也许,他有一份执着的心。...
    独殇一龙阅读 308评论 0 0
  • 想写这篇是因为夜间的一次谈话。 当时我在码字,发了一条消息给大鱼,他久久没回,我以为他睡了,准备道晚安。 他接着回...
    永清随笔阅读 421评论 13 2