【机器学习模型】集成学习总结

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/KevinBetterQ/article/details/84404803

---

首先，集成学习是将多个个体学习器进行结合。
若同种类型的个体学习器集成，就是“同质集成”；若集成包含不同类型的个体学习器，就叫“异质集成”。

一. 同质集成

集成学习是结合多个个体学习器（这里也叫基学习器），那首先要产生多个不同的基学习器。如何产生多个不同的基学习器，便在于样本数据集的利用上。
所以，下面介绍的几种集成学习，很大的不同在于如何使用样本数据集，如何进行训练得到多个基学习器。（研究不同方法时可以先问一下这个问题）

1. Boosting

：如何使用样本数据集，进行训练得到多个个体学习器？
每次学习时更新样本权重，不同样本权重训练会得到不同学习器，然后每个学习器计算一个系数，得到最终集成模型。

不同个体学习器间存在强依赖关系，必须串行生成，因为每次更新样本权重都要依赖上一个分类器。

主要关注较低偏差，提高拟合程度。

典型：AdaBoost
利用加性模型迭代式优化指数损失函数得到算法，只适用于二分类。
不断迭代，每一次迭代，更新样本权值 $D_t$、得到基分类器 $h_t$、 $h_t$ 的权重 $\alpha_t$。
最终得到模型：
$H(x)=sign(\sum _{t=1}^{T}\alpha_th_t(x))$

（TODO：AdaBoost的详细算法推导待完成）

2. Bagging

：如何使用样本数据集，进行训练得到多个个体学习器？
每次训练得到学习器时，利用自主采样法（放回抽样），从所有样本中得到不同样本子集，从而训练得到不同学习器。采用简单投票法或简单平均法得到最终输出结果。

不同学习器之间训练无联系。

主要关注较低方差，从而较低样本变化造成的影响。

特例：随机森林（RF）
RF在以决策树为基学习器构建Bagging集成的基础上，进一步在决策树的训练过程中引入随机属性选择。
引入随机属性选择之后，不仅通过样本变化，还通过属性变化来得到不同基学习器。

3. Stacking

多个初级学习器 ——> 输出类概率 ——> 次级训练器 ——> 最终输出

：如何使用样本数据集，进行训练得到多个个体学习器？
将训练集随机划分为 k 个大小相似的集合，k 折交叉验证法利用初级学习算法（k 折会训练出 k 个不同的学习器），得到每个样本的 “输出类概率”作为次级学习算法的输入属性，样本的标记仍作为标记，训练得到次级学习器。

“多个初级学习器 + 次级学习器” 便是stacking集成模型了。

二. 异质集成

就是不同类型的学习器的结合策略。针对一个问题，利用完全不同的模型会得到多个输出结果。下面的方法便是如何统一这些结果得到一个最终最优的结果。

1. 平均法

针对数值型输出

• 简单平均
• 加权平均

2. 投票法

针对分类问题的

• 绝对多数投票
• 相对多数投票
• 加权投票

3. 学习法（Stacking）

和上面介绍的一样：
将不同模型得到的输出结果再扔进一个次级学习器中训练，标签不变。
多个初级学习器 ——生成——> 新数据集 ——训练——> 次级学习器

三. “好而不同”

集成学习的关键就在于 所集成的个体学习器 “好而不同”，如何得到多个 “好而不同” 的学习器呢？那便是多样性增强。

1. 数据样本扰动

利用不同训练集训练
对“不稳定学习器”有效，例如决策树、神经网络等。
（“稳定学习器”有线性模型、SVM、朴素贝叶斯、k近邻等）

2. 输入属性扰动

属性或特征的不同子集会提供观察样本数据的不同视角。

3. 输出表示扰动

可以对训练样本的类标记稍作改动

4. 算法参数扰动

就是参数变动了，很直接

---

参考：
《机器学习》周志华