Stochastický Gradient Boosting (SGB)

Machine Learning with Tree-Based Models in Python

Elie Kawerk

Data Scientist

Gradient Boosting: Nevýhody

GB využívá vyčerpávající vyhledávací proceduru.
Každý CART je trénován k nalezení nejlepších dělicích bodů a příznaků.
Může docházet k tomu, že CARTy používají stejné dělicí body a případně stejné příznaky.

Stochastický Gradient Boosting

Každý strom je trénován na náhodné podmnožině řádků trénovacích dat.
Vzorkované instance (40–80 % trénovací sady) jsou vzorkovány bez náhrady.
Příznaky jsou vzorkovány (bez náhrady) při výběru dělicích bodů.
Výsledek: větší diverzita ansámblu.
Efekt: přidání další variance do ansámblu stromů.

Stochastický Gradient Boosting: Trénování

Stochastický Gradient Boosting

Stochastický Gradient Boosting v sklearn (datová sada auto)

# 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)

Stochastický Gradient Boosting v sklearn (datová sada auto)

# 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)

Stochastický Gradient Boosting v sklearn (datová sada auto)

# 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

Pojďme si procvičit!

Machine Learning with Tree-Based Models in Python