Uczenie zespołowe

Uczenie maszynowe z modelami drzewiastymi w Pythonie

Elie Kawerk

Data Scientist

Zalety CART

Prosta do zrozumienia.
Prosta do interpretacji.
Łatwa w użyciu.
Elastyczność: możliwość opisu zależności nieliniowych.
Przetwarzanie wstępne: brak konieczności standaryzacji lub normalizacji cech, ...

Ograniczenia CART

Klasyfikacja: możliwe tylko ortogonalne granice decyzyjne.
Wrażliwość na małe zmiany w zbiorze treningowym.
Wysoka wariancja: nieograniczone CART mogą prowadzić do przeuczenia.
Rozwiązanie: uczenie zespołowe.

Uczenie zespołowe

Trenowanie różnych modeli na tym samym zbiorze danych.
Każdy model generuje własne prognozy.
Meta-model: agreguje prognozy poszczególnych modeli.
Końcowa prognoza: bardziej odporna i mniej podatna na błędy.
Najlepsze wyniki: modele są skuteczne w różnych obszarach.

Uczenie zespołowe: wizualne wyjaśnienie

wizualizacja uczenia zespołowego

Uczenie zespołowe w praktyce: klasyfikator głosujący

Zadanie klasyfikacji binarnej.
$N$ klasyfikatorów generuje prognozy: $P_1$, $P_2$, ..., $P_N$, gdzie $P_i$ = 0 lub 1.
Prognoza meta-modelu: głosowanie twarde.

Głosowanie twarde

głosowanie twarde

VotingClassifier w sklearn (zbiór danych Breast-Cancer)

# Import functions to compute accuracy and split data
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split

# Import models, including VotingClassifier meta-model
from sklearn.linear_model import LogisticRegression
from sklearn.tree import DecisionTreeClassifier
from sklearn.neighbors import KNeighborsClassifier as KNN
from sklearn.ensemble import VotingClassifier

# Set seed for reproducibility
SEED = 1

VotingClassifier w sklearn (zbiór danych Breast-Cancer)

# Split data 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)
# Instantiate individual classifiers
lr = LogisticRegression(random_state=SEED)
knn = KNN()
dt = DecisionTreeClassifier(random_state=SEED)

# Define a list called classifier that contains the tuples (classifier_name, classifier)
classifiers = [('Logistic Regression', lr), 
               ('K Nearest Neighbours', knn),
               ('Classification Tree', dt)]

# Iterate over the defined list of tuples containing the classifiers
for clf_name, clf in classifiers:
    #fit clf to the training set
    clf.fit(X_train, y_train)

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

    # Evaluate the accuracy of clf on the test set
    print('{:s} : {:.3f}'.format(clf_name, accuracy_score(y_test, y_pred)))

Logistic Regression: 0.947
K Nearest Neighbours: 0.930
Classification Tree: 0.930

VotingClassifier w sklearn (zbiór danych Breast-Cancer)

# Instantiate a VotingClassifier 'vc'
vc = VotingClassifier(estimators=classifiers) 

# Fit 'vc' to the traing set and predict test set labels
vc.fit(X_train, y_train)   
y_pred = vc.predict(X_test)

# Evaluate the test-set accuracy of 'vc'
print('Voting Classifier: {.3f}'.format(accuracy_score(y_test, y_pred)))

Voting Classifier: 0.953

Czas na ćwiczenia!

Uczenie maszynowe z modelami drzewiastymi w Pythonie