Stochastic Gradient Boosting (SGB)

Maskininlärning med trädbaserade modeller i Python

Elie Kawerk

Data Scientist

Gradient Boosting: Nackdelar

GB använder en uttömmande sökprocess.
Varje CART tränas för att hitta de bästa delpunkterna och särdragen.
Kan leda till att CART:ar använder samma delpunkter och möjligen samma särdrag.

Stokastisk Gradient Boosting

Varje träd tränas på ett slumpmässigt urval av rader från träningsdata.
De samplade instanserna (40–80 % av träningsdatan) samplas utan återläggning.
Särdrag samplas (utan återläggning) vid val av delpunkter.
Resultat: ökad ensemblediversitet.
Effekt: ytterligare varians tillförs trädens ensemble.

Stokastisk Gradient Boosting: Träning

SGB

Stokastisk Gradient Boosting i sklearn (auto-datamängd)

# 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)

Stokastisk Gradient Boosting i sklearn (auto-datamängd)

# 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)

Stokastisk Gradient Boosting i sklearn (auto-datamängd)

# 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

Nu kör vi en övning!

Maskininlärning med trädbaserade modeller i Python