GBDT与xgboost
1. 泰勒公式
2. 梯度下降法(Gradient Descend Method)
在机器学习任务中, 需要最小化损失函数
L(θ)
, 其中
θ
是要求解的模型参数。 梯度下降法常用来求解这种无约束最优化问题, 它是一种迭代方法: 选取初值
θ0
, 不断迭代, 更新
θ
的值, 进行损失函数的极小化。
- 迭代公式:
θ=θt−1+Δθ
将
L(θt)
在
θt−1
处进行一阶泰勒展开:
L(θt)=L(θt−1+Δθ)≈L(θt−1)+L′(θt−1)Δθ(3)(4)
要使得
L(θt)<L(θt−1)
,可使:
Δθ=−αL′(θt−1)
,则:
θt=θt−1−αL′(θt−1)
这里
α
是步长,可通过 line search 确定,但一般直接赋一个小的数。
3. 牛顿法(Newton’s Method)
将
L(θt)
在
θt−1
处进行二阶泰勒展开:
L(θt)=L(θt−1+Δθ)≈L(θt−1)+L′(θt−1)Δθ+L′′(θt−1)Δθ22(5)(6)
为了简化分析过程,假设参数是标量(即
θ
只有一维),则可将一阶和二阶导数分别记为
g
和
h
:
L(θt)≈L(θt−1)+gΔθ+hΔθ22
要使得
L(θt)
极小,即让
gΔθ+hΔθ22
极小,可令:
∂(gΔθ+hΔθ22)∂Δθ=0
求得
Δθ=−gh
,故:
θt=θt−1+Δθ=θt−1−gh
参数
θ
推广到向量形式,迭代公式:
θt=θt−1−H−1g
这里
H
是海森矩阵
4. 从参数空间到函数空间
- GBDT 在函数空间中利用梯度下降法进行优化
- XGBoost 在函数空间中用牛顿法进行优化
注:实际上GBDT泛指所有梯度提升树算法, 包括XGBoost, 它也是GBDT的一种变种, 这里为了区分它们, GBDT特指“Greedy Function Approximation: A Gradient Boosting Machine” 里提出的算法, 它只用了一阶导数信息。
5. Gradient Boosting Tree 算法原理
- Friedman于论文” Greedy Function Approximation…”中最早提出GBDT
其模型
F
定义为加法模型:
F(x;w)=∑t=0Tαtht(x;wt)=∑t=0Tft(x;wt)
其中,
x
为输入样本,
h
为分类回归树,
w
是分类回归树的参数,
α
是每棵树的权重。
通过最小化损失函数求解最优模型:
F∗=argminF∑i=0NL(yi,F(xi;w))
NP难问题 -> 通过贪心法, 迭代求局部最优解
6. 详解 XGBoost
6.1 模型函数形式
给定数据集
D={(Xi,yi)}
,XGBoost进行 additive training, 学习K棵树, 采用以下函数对样本进行预测:
yi^=ϕ(Xi)=∑k=1Kfk(Xi)fk∈F
这里
F
是假设空间,
f(x)
是回归树(CART):
F={f(X)=wq(x)}(q:Rm→T,w∈RT)
q(x)
表示将样本
x
分到了某个叶子节点上,
w
是叶子节点的分数(leaf score),所以
wq(x)
表示回归树对样本的预测值
- 例子:预测一个人是否喜欢电脑游戏
回归树的预测输出是实数分数, 可以用于回归、 分类、 排序等任务中。 对于回归问题, 可以直接作为目标值, 对于分类问题, 需要映射成概率, 比如采用逻辑函数:
σ(x)=11+e−z
6.2 目标函数
- 参数空间中的目标函数:
误差函数可以是square loss, logloss等, 正则项可以是L1正则,L2正则等。
Ridge Regression(岭回归) :
∑ni=1(yi−θTxi)2+λ||θ||2
LASSO:
∑ni=1(yi−θTxi)2+λ||θ||1
6.3 正则项
XGBoost的目标函数(函数空间)
L(ϕ)=∑il(yi^,yi)+∑kΩ(fk)
正则项对每棵回归树的复杂度进行了惩罚
相比原始的GBDT, XGBoost的目标函数多了正则项, 使得学习出来的模型更加不容易过拟合。
- 有哪些指标可以衡量树的复杂度?
树的深度, 内部节点个数, 叶子节点个数(T), 叶节点分数(w)…
XGBoost采用的:
Ω(f)=γT+12λ||w||2
对叶子节点个数进行惩罚, 相当于在训练过程中做了剪枝
6.4 误差函数的二阶泰勒展开
第
t
次迭代后, 模型的预测等于前
t−1
次的模型预测加上第
t
棵树的预测:
yi^(t)=yi^(t−1)+ft(xi)
此时目标函数可写作:
L(t)=∑inl(yi^(t−1)+ft(xi),yi)+Ω(ft)
公式中
yi
,
yi^(t−1)
都已知, 模型要学习的只有第
t
棵树
ft
将误差函数在
yi^(t−1)
处进行二阶泰勒展开:
L(t)≃∑i=1n[l(yi,y^(t−1))+gift(xi)+12hif2t(xi)]+Ω(ft)
公式中,
gi=∂y^(t−1)l(yi,y^(t−1))hi=∂2y^(t−1)l(yi,y^(t−1))
将公式中的常数项去掉, 得到:
L˜(t)=∑i=1n[gift(xi)+12hif2t(xi)]+Ω(ft)
把
ft
,
Ω(ft)
写成树结构的形式, 即把下式代入目标函数中
f(x)=wq(x)Ω(f)=γT+12λ||w||2
得到:
L˜(t)=∑i=1n[gift(xi)+12hif2t(xi)]+Ω(ft)=∑i=1n[giwq(xi)+12hiw2q(x)]+γT+λ12∑j=1Tw2j(7)(8)
上面第一个
∑
是对样本累加,第二个
∑
是对叶节点累加,如何统一起来呢?
定义每个叶节点
j
上的样本集合为:
Ij={i|q(xi)=j}
则目标函数可以写成按叶节点累加的形式:
L˜(t)=∑j=1T⎡⎣(∑i∈Ijgi)wj+12(∑i∈Ijhi+λ)w2j⎤⎦+γT=∑j=1T[Gjwj+12(Hj+λ)w2j]+γT(9)(10)
如果确定了树的结构(即
q(x)
确定) , 为了使目标函数最小, 可以令其导数为 0, 解得每个叶节点的最优预测分数为:
w∗j=− GjHj+λ
代入目标函数, 得到最小损失为:
L˜∗=− 12∑j=1TG2jHj+λ+γT
6.5 回归树的学习策略
- 当回归树的结构确定时, 我们前面已经推导出其最优的叶节点分数以及对应的最小损失值, 问题是怎么确定树的结构?
暴力枚举所有可能的树结构, 选择损失值最小的 - NP难问题
贪心法, 每次尝试分裂一个叶节点, 计算分裂前后的增益, 选择增益最大的
- 分裂前后的增益怎么计算?
ID3算法采用信息增益
C4.5算法采用信息增益比
CART采用Gini系数
XGBoost呢?
6.6 XGBoost 的打分函数
L˜∗=− 12∑j=1TG2jHj+λ+γT
G2jHj+λ
衡量了每个叶子节点对总体损失的的贡献, 我们希望损失越小越好, 则其值越大越好。
因此, 对一个叶子节点进行分裂, 分裂前后的增益定义为:
Gain=G2LHL+λ+G2RHR+λ−(GL+GR)2HL+HR+λ−γ
Gain
的值越大, 分裂后
L
减小越多。 所以当对一个叶节点分割时, 计算所有候选(feature,value)对应的 gain, 选取 gain 最大的进行分割
6.7 树节点分裂方法(Split Finding)