Stochastic Gradient Boosting (SGB)

Machine Learning cu modele bazate pe arbori în Python

Elie Kawerk

Data Scientist

Gradient Boosting: Dezavantaje

  • GB implică o căutare exhaustivă.

  • Fiecare CART este antrenat pentru a găsi cele mai bune puncte de divizare și caracteristici.

  • Poate duce la utilizarea acelorași puncte de divizare și, posibil, a acelorași caracteristici.

Machine Learning cu modele bazate pe arbori în Python

Stochastic Gradient Boosting

  • Fiecare arbore este antrenat pe un subset aleatoriu de rânduri din datele de antrenament.

  • Instanțele eșantionate (40%–80% din setul de antrenament) sunt selectate fără înlocuire.

  • Caracteristicile sunt eșantionate (fără înlocuire) la alegerea punctelor de divizare.

  • Rezultat: diversitate suplimentară a ansamblului.

  • Efect: creșterea varianței ansamblului de arbori.

Machine Learning cu modele bazate pe arbori în Python

Stochastic Gradient Boosting: Antrenare

SGB

Machine Learning cu modele bazate pe arbori în Python

Stochastic Gradient Boosting în sklearn (setul de date 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)
Machine Learning cu modele bazate pe arbori în Python

Stochastic Gradient Boosting în sklearn (setul de date 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)
Machine Learning cu modele bazate pe arbori în Python

Stochastic Gradient Boosting în sklearn (setul de date 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
Machine Learning cu modele bazate pe arbori în Python

Să exersăm!

Machine Learning cu modele bazate pe arbori în Python

Preparing Video For Download...