Gradient boosting

Métodos de Ensemble em Python

Román de las Heras

Data Scientist, Appodeal

Introdução ao gradient boosting

function_objective.png

  1. Modelo inicial (estimador fraco): $y\sim f_1(X)$
  2. Novo modelo ajusta os resíduos: $y-f_1(X)\sim f_2(X)$
  3. Novo modelo aditivo: $y\sim f_1(X)+f_2(X)$
  4. Repetir $n$ vezes ou até o erro ficar pequeno
  5. Modelo aditivo final: $$y\sim f_1(X)+f_2(X)+ ... +f_n(x)=\sum_{i=1}^{n} f_i(X)$$
Métodos de Ensemble em Python

Equivalência ao gradiente descendente

function_residuals.png

Gradiente descendente:

function_loss.png

function_gradient.png

Resíduos = Gradiente negativo

function_gradient_negative.png

Métodos de Ensemble em Python

Gradient boosting classifier

Gradient Boosting Classifier

from sklearn.ensemble import GradientBoostingClassifier

clf_gbm = GradientBoostingClassifier(
   n_estimators=100,
   learning_rate=0.1,
   max_depth=3,
   min_samples_split,
   min_samples_leaf,
   max_features
)
  • n_estimators
    • Padrão: 100
  • learning_rate
    • Padrão: 0.1
  • max_depth
    • Padrão: 3
  • min_samples_split
  • min_samples_leaf
  • max_features
Métodos de Ensemble em Python

Gradient boosting regressor

Gradient Boosting Regressor

from sklearn.ensemble import GradientBoostingRegressor

reg_gbm = GradientBoostingRegressor(
   n_estimators=100,
   learning_rate=0.1,
   max_depth=3,
   min_samples_split,
   min_samples_leaf,
   max_features
)
Métodos de Ensemble em Python

Hora de dar boost!

Métodos de Ensemble em Python

Preparing Video For Download...