Stochastic Gradient Boosting (SGB)

Aprendizado de máquina com modelos baseados em árvores em Python

Elie Kawerk

Data Scientist

Gradient Boosting: Contras

GB faz uma busca exaustiva.
Cada CART é treinada para achar os melhores pontos e variáveis de corte.
Pode gerar CARTs com os mesmos pontos e até as mesmas variáveis.

Stochastic Gradient Boosting

Cada árvore é treinada em uma amostra aleatória de linhas do treino.
As instâncias (40%–80% do treino) são amostradas sem reposição.
As variáveis são amostradas (sem reposição) ao escolher cortes.
Resultado: mais diversidade no ensemble.
Efeito: mais variância no conjunto de árvores.

Stochastic Gradient Boosting: Treino

SGB

Stochastic Gradient Boosting no sklearn (auto dataset)

# Import models and utility functions
from sklearn.ensemble import GradientBoostingRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error as MSE

# Set seed for reproducibility
SEED = 1

# Split dataset into 70% train and 30% test
X_train, X_test, y_train, y_test = train_test_split(X,y, 
                                                    test_size=0.3, 
                                                    random_state=SEED)

Stochastic Gradient Boosting no sklearn (auto dataset)

# Instantiate a stochastic GradientBoostingRegressor 'sgbt'
sgbt = GradientBoostingRegressor(max_depth=1, 
                                 subsample=0.8,
                                 max_features=0.2,
                                 n_estimators=300,             
                                 random_state=SEED)


# Fit 'sgbt' to the training set
sgbt.fit(X_train, y_train)

# Predict the test set labels
y_pred = sgbt.predict(X_test)

Stochastic Gradient Boosting no sklearn (auto dataset)

# Evaluate test set RMSE 'rmse_test'
rmse_test = MSE(y_test, y_pred)**(1/2)

# Print 'rmse_test'
print('Test set RMSE: {:.2f}'.format(rmse_test))

Test set RMSE: 3.95

Vamos praticar!

Aprendizado de máquina com modelos baseados em árvores em Python