xgboost 是集成学习boosting的一种,它的基础分类器是CART,即分类回归树。
下图就是CART树和一堆CART树的示例,用来判断一个人是否会喜欢计算机游戏:
用多棵CART树做预测时,就是将各个树的预测分数相加。
yiˆ=∑k=1Kfk(xi),fk⊆
其中
K
表示有K棵CART树,
fk
函数是第
k
棵树得到的分数。
定义目标函数为
obj=∑i=1nl(yi,yiˆ)+∑k=1KΩ(fk)
目标函数包括第一部分的损失函数和第二部分的正则项。
xgboost在训练时,先优化第一棵树,之后第二棵,第三棵……直到优化完K棵树,真个过程如下图所示:
在第t步时,添加了一棵最优的CART树
ft
,这棵最优的CART树
ft
就是在现有的t-1棵树的基础上,使得目标函数最小的那棵CART树,
obj(t)=∑i=1nl(yi,yiˆ(t))+∑k=1KΩ(fk)=∑i=1nl(yi,yiˆ(t−1)+ft(xi))+Ω(ft)+constant
这里的
Ω(ft)
是第t步时,当前的CART树的正则项,而
constant
就是前t-1棵树的正则项了。
将损失函数进行泰勒二阶展开,
obj(t)=∑i=1n[l(yi,yiˆ(t−1))+gift(xi)+12hif2t(xi)]+Ω(ft)+constant
其中
gi=∂l(yi,ŷ (t−1)i)∂ŷ (t−1)i,hi=∂2l(yi,ŷ (t−1)i)∂ŷ (t−1)i
再去掉常数项,
obj(t)≈∑i=1n[gift(xi)+12hif2t(xi)]+Ω(ft)
损失函数项已经变得很漂亮了,再看正则项,首先看CART树的另一个定义,
这里的
w
函数是CART树打分的函数,
q
函数是将x定位到哪个叶子节点的函数。
xgboost就使用了如下的正则化项,
Ω(ft)=γT+12λ∑j=1Tw2j
将其带入到目标函数,
obj(t)≈∑i=1n[gift(xi)+12hif2t(xi)]+Ω(ft)=∑i=1n[gift(xi)+12hif2t(xi)]+γT+12λ∑j=1Tw2j=∑j=1T[∑i∈Ijgi+12(∑i∈Ijhi+λ)w2j]+γT=∑j=1T[Gj+12(Hj+λ)w2j]+γT
其中将
∑i∈Ijgi
简化为
Gj
,将
∑i∈Ijhi
简化为
Hj
。
对于第t棵CART树的某一个确定的结构(可用
q(x)
表示),所有的
Gj
和
Hj
都是确定的。而且上式中各个叶子节点的值
wj
之间是互相独立的。上式其实就是一个简单的二次式,我们很容易求出各个叶子节点的最佳值以及此时目标函数的值。
对
w∗j
的一个直观的解释是,假设分到 j 这个叶子节点上的样本只有一个,那么
w∗j=(1hj+λ)∗(−gj)
这个式子告诉我们,
w∗j
的最优值就是负的梯度乘以一个系数,这个系数类似于随机梯度下降中的学习率。
hj
越大,这个系数越小,也就是学习率越小。
hj
越大代表在该点附近梯度变化非常剧烈,此时,我们在使用反向梯度更新时步子就要小,也就是权重系数要小。
obj∗
则是衡量了第t棵树结构的好坏。与叶子节点的值可是无关的。
obj∗
只和
Gj
和
Hj
和
T
有关,而它们又只和树的结构
(q(x))
有关。
有了评判CART树的标准,我们就可以构造出最优的第t棵树,怎么构造?树的结构有很多,不能每个结构都计算一次
obj∗
来确定哪个结构做最好。这里就采用逐步学习出最佳的树结构。当样本输入时,先找一个特定的特征j,然后在找该特定的值c,当特征j的值小于c时分到左节点,大于c分到右节点。
问题是怎么决定j和c,xgboost采用的是遍历。
我们以上文提到过的判断一个人是否喜欢计算机游戏为例子。最简单的树结构就是一个节点的树。我们可以算出这棵单节点的树的好坏程度obj*。解设我们先按年龄分,先将这一家五口人按照年龄做个排序
从左至右扫描,找出所有可能的切分点。当切分点确定时,用下列式子作为切分点好坏的标准。
这里的
Gain
其实是切分前后的差值。如果是正的,而且值越大说明
obj∗
下降得越多,如果是负数,也就是说,左边的这一项小于
γ
项,说明切分后
obj∗
反而变大了。其实
γ
是可以自己设定的阈值,也就说这个值越大,对切分点的要求就越严格。
递归地调用这个切分过程,就能获得一个相对较好的树结构。得到了最优的树结构,也就能找到最优的叶子节点,这样就完成了找出第t棵树的目的。之后再进行第t+1棵树,直到K棵树完成。