机器学习算法选择

  1. 云栖社区>
  2. 博客>
  3. 正文

机器学习算法选择

桃子红了呐 2017-11-16 18:24:00 浏览843
展开阅读全文

各种机器学习的应用场景分别是什么?例如,k近邻,贝叶斯,决策树,svm,逻辑斯蒂回归和最大熵模型。

k近邻,贝叶斯,决策树,svm,逻辑斯蒂回归和最大熵模型,隐马尔科夫,条件随机场,adaboost,em 这些在一般工作中,分别用到的频率多大?一般用…
 

关于这个问题我今天正好看到了这个文章。讲的正是各个算法的优劣分析,很中肯。

正好14年的时候有人做过一个实验[1],比较在不同数据集上(121个),不同的分类器(179个)的实际效果。

论文题为:Do we Need Hundreds of Classifiers to Solve Real World Classification Problems?

实验时间有点早,我尝试着结合我自己的理解、一些最近的实验,来谈一谈吧。主要针对分类器(Classifier)。

写给懒得看的人:

没有最好的分类器,只有最合适的分类器。

随机森林平均来说最强,但也只在9.9%的数据集上拿到了第一,优点是鲜有短板。

SVM的平均水平紧随其后,在10.7%的数据集上拿到第一。

神经网络(13.2%)和boosting(~9%)表现不错。

数据维度越高,随机森林就比AdaBoost强越多,但是整体不及SVM[2]。

数据量越大,神经网络就越强。


近邻 (Nearest Neighbor)

典型的例子是KNN,它的思路就是——对于待判断的点,找到离它最近的几个数据点,根据它们的类型决定待判断点的类型。

它的特点是完全跟着数据走,没有数学模型可言。


适用情景:

需要一个特别容易解释的模型的时候。

比如需要向用户解释原因的推荐算法。


贝叶斯 (Bayesian)

典型的例子是Naive Bayes,核心思路是根据条件概率计算待判断点的类型。

是相对容易理解的一个模型,至今依然被垃圾邮件过滤器使用。


适用情景:

需要一个比较容易解释,而且不同维度之间相关性较小的模型的时候。

可以高效处理高维数据,虽然结果可能不尽如人意。


决策树 (Decision tree)

决策树的特点是它总是在沿着特征做切分。随着层层递进,这个划分会越来越细。

虽然生成的树不容易给用户看,但是数据分析的时候,通过观察树的上层结构,能够对分类器的核心思路有一个直观的感受。

举个简单的例子,当我们预测一个孩子的身高的时候,决策树的第一层可能是这个孩子的性别。男生走左边的树进行进一步预测,女生则走右边的树。这就说明性别对身高有很强的影响。


适用情景:

因为它能够生成清晰的基于特征(feature)选择不同预测结果的树状结构,数据分析师希望更好的理解手上的数据的时候往往可以使用决策树。

同时它也是相对容易被攻击的分类器[3]。这里的攻击是指人为的改变一些特征,使得分类器判断错误。常见于垃圾邮件躲避检测中。因为决策树最终在底层判断是基于单个条件的,攻击者往往只需要改变很少的特征就可以逃过监测。

受限于它的简单性,决策树更大的用处是作为一些更有用的算法的基石。


随机森林 (Random forest)

提到决策树就不得不提随机森林。顾名思义,森林就是很多树。

严格来说,随机森林其实算是一种集成算法。它首先随机选取不同的特征(feature)和训练样本(training sample),生成大量的决策树,然后综合这些决策树的结果来进行最终的分类。

随机森林在现实分析中被大量使用,它相对于决策树,在准确性上有了很大的提升,同时一定程度上改善了决策树容易被攻击的特点。


适用情景:

数据维度相对低(几十维),同时对准确性有较高要求时。

因为不需要很多参数调整就可以达到不错的效果,基本上不知道用什么方法的时候都可以先试一下随机森林。


SVM (Support vector machine)

SVM的核心思想就是找到不同类别之间的分界面,使得两类样本尽量落在面的两边,而且离分界面尽量远。

最早的SVM是平面的,局限很大。但是利用核函数(kernel function),我们可以把平面投射(mapping)成曲面,进而大大提高SVM的适用范围。

提高之后的SVM同样被大量使用,在实际分类中展现了很优秀的正确率。


适用情景:

SVM在很多数据集上都有优秀的表现。

相对来说,SVM尽量保持与样本间距离的性质导致它抗攻击的能力更强。

和随机森林一样,这也是一个拿到数据就可以先尝试一下的算法。


逻辑斯蒂回归 (Logistic regression)

逻辑斯蒂回归这个名字太诡异了,我就叫它LR吧,反正讨论的是分类器,也没有别的方法叫LR。顾名思义,它其实是回归类方法的一个变体。

回归方法的核心就是为函数找到最合适的参数,使得函数的值和样本的值最接近。例如线性回归(Linear regression)就是对于函数f(x)=ax+b,找到最合适的a,b。

LR拟合的就不是线性函数了,它拟合的是一个概率学中的函数,f(x)的值这时候就反映了样本属于这个类的概率。


适用情景:

LR同样是很多分类算法的基础组件,它的好处是输出值自然地落在0到1之间,并且有概率意义。

因为它本质上是一个线性的分类器,所以处理不好特征之间相关的情况。

虽然效果一般,却胜在模型清晰,背后的概率学经得住推敲。它拟合出来的参数就代表了每一个特征(feature)对结果的影响。也是一个理解数据的好工具。


判别分析 (Discriminant analysis)

判别分析主要是统计那边在用,所以我也不是很熟悉,临时找统计系的闺蜜补了补课。这里就现学现卖了。

判别分析的典型例子是线性判别分析(Linear discriminant analysis),简称LDA。

(这里注意不要和隐含狄利克雷分布(Latent Dirichlet allocation)弄混,虽然都叫LDA但说的不是一件事。)

LDA的核心思想是把高维的样本投射(project)到低维上,如果要分成两类,就投射到一维。要分三类就投射到二维平面上。这样的投射当然有很多种不同的方式,LDA投射的标准就是让同类的样本尽量靠近,而不同类的尽量分开。对于未来要预测的样本,用同样的方式投射之后就可以轻易地分辨类别了。


使用情景:

判别分析适用于高维数据需要降维的情况,自带降维功能使得我们能方便地观察样本分布。它的正确性有数学公式可以证明,所以同样是很经得住推敲的方式。

但是它的分类准确率往往不是很高,所以不是统计系的人就把它作为降维工具用吧。

同时注意它是假定样本成正态分布的,所以那种同心圆形的数据就不要尝试了。


神经网络 (Neural network)

神经网络现在是火得不行啊。它的核心思路是利用训练样本(training sample)来逐渐地完善参数。还是举个例子预测身高的例子,如果输入的特征中有一个是性别(1:男;0:女),而输出的特征是身高(1:高;0:矮)。那么当训练样本是一个个子高的男生的时候,在神经网络中,从“男”到“高”的路线就会被强化。同理,如果来了一个个子高的女生,那从“女”到“高”的路线就会被强化。

最终神经网络的哪些路线比较强,就由我们的样本所决定。

神经网络的优势在于,它可以有很多很多层。如果输入输出是直接连接的,那它和LR就没有什么区别。但是通过大量中间层的引入,它就能够捕捉很多输入特征之间的关系。卷积神经网络有很经典的不同层的可视化展示(visulization),我这里就不赘述了。

神经网络的提出其实很早了,但是它的准确率依赖于庞大的训练集,原本受限于计算机的速度,分类效果一直不如随机森林和SVM这种经典算法。


使用情景:

数据量庞大,参数之间存在内在联系的时候。

当然现在神经网络不只是一个分类器,它还可以用来生成数据,用来做降维,这些就不在这里讨论了。


Rule-based methods

这个我是真不熟,都不知道中文翻译是什么。

它里面典型的算法是C5.0 Rules,一个基于决策树的变体。因为决策树毕竟是树状结构,理解上还是有一定难度。所以它把决策树的结果提取出来,形成一个一个两三个条件组成的小规则。


使用情景:

它的准确度比决策树稍低,很少见人用。大概需要提供明确小规则来解释决定的时候才会用吧。


提升算法(Boosting)

接下来讲的一系列模型,都属于集成学习算法(Ensemble Learning),基于一个核心理念:三个臭皮匠,顶个诸葛亮。

翻译过来就是:当我们把多个较弱的分类器结合起来的时候,它的结果会比一个强的分类器更

典型的例子是AdaBoost。

AdaBoost的实现是一个渐进的过程,从一个最基础的分类器开始,每次寻找一个最能解决当前错误样本的分类器。用加权取和(weighted sum)的方式把这个新分类器结合进已有的分类器中。

它的好处是自带了特征选择(feature selection),只使用在训练集中发现有效的特征(feature)。这样就降低了分类时需要计算的特征数量,也在一定程度上解决了高维数据难以理解的问题。

最经典的AdaBoost实现中,它的每一个弱分类器其实就是一个决策树。这就是之前为什么说决策树是各种算法的基石。


使用情景:

好的Boosting算法,它的准确性不逊于随机森林。虽然在[1]的实验中只有一个挤进前十,但是实际使用中它还是很强的。因为自带特征选择(feature selection)所以对新手很友好,是一个“不知道用什么就试一下它吧”的算法。


装袋算法(Bagging)

同样是弱分类器组合的思路,相对于Boosting,其实Bagging更好理解。它首先随机地抽取训练集(training set),以之为基础训练多个弱分类器。然后通过取平均,或者投票(voting)的方式决定最终的分类结果。

因为它随机选取训练集的特点,Bagging可以一定程度上避免过渡拟合(overfit)。

在[1]中,最强的Bagging算法是基于SVM的。如果用定义不那么严格的话,随机森林也算是Bagging的一种。


使用情景:

相较于经典的必使算法,Bagging使用的人更少一些。一部分的原因是Bagging的效果和参数的选择关系比较大,用默认参数往往没有很好的效果。

虽然调对参数结果会比决策树和LR好,但是模型也变得复杂了,没事有特别的原因就别用它了。


Stacking

这个我是真不知道中文怎么说了。它所做的是在多个分类器的结果上,再套一个新的分类器。

这个新的分类器就基于弱分类器的分析结果,加上训练标签(training label)进行训练。一般这最后一层用的是LR。

Stacking在[1]里面的表现不好,可能是因为增加的一层分类器引入了更多的参数,也可能是因为有过渡拟合(overfit)的现象。


使用情景:

没事就别用了。

(修订:

提醒说stacking在数据挖掘竞赛的网站kaggle上很火,相信参数调得好的话还是对结果能有帮助的。

这篇文章很好地介绍了stacking的好处。在kaggle这种一点点提升就意味着名次不同的场合下,stacking还是很有效的,但是对于一般商用,它所带来的提升就很难值回额外的复杂度了。)



多专家模型(Mixture of Experts)

最近这个模型还挺流行的,主要是用来合并神经网络的分类结果。我也不是很熟,对神经网络感兴趣,而且训练集异质性(heterogeneity)比较强的话可以研究一下这个。


讲到这里分类器其实基本说完了。讲一下问题里面其他一些名词吧。


最大熵模型 (Maximum entropy model)

最大熵模型本身不是分类器,它一般是用来判断模型预测结果的好坏的。

对于它来说,分类器预测是相当于是:针对样本,给每个类一个出现概率。比如说样本的特征是:性别男。我的分类器可能就给出了下面这样一个概率:高(60%),矮(40%)。

而如果这个样本真的是高的,那我们就得了一个分数60%。最大熵模型的目标就是让这些分数的乘积尽量大。

LR其实就是使用最大熵模型作为优化目标的一个算法[4]。


EM

就像最大熵模型一样,EM不是分类器,而是一个思路。很多算法都是基于这个思路实现的。

@刘奕驰 已经讲得很清楚了,我就不多说了。



隐马尔科夫 (Hidden Markov model)

这是一个基于序列的预测方法,核心思想就是通过上一个(或几个)状态预测下一个状态。

之所以叫“隐”马尔科夫是因为它的设定是状态本身我们是看不到的,我们只能根据状态生成的结果序列来学习可能的状态。


适用场景:

可以用于序列的预测,可以用来生成序列。


条件随机场 (Conditional random field)

典型的例子是linear-chain CRF。

具体的使用 @Aron 有讲,我就不献丑了,因为我从来没用过这个。


就是这些啦。


相关的文章:

[1]: Do we need hundreds of classifiers to solve real world classification problems.

Fernández-Delgado, Manuel, et al. J. Mach. Learn. Res 15.1 (2014)

[2]: An empirical evaluation of supervised learning in high dimensions.

Rich Caruana, Nikos Karampatziakis, and Ainur Yessenalina. ICML '08

[3]: Man vs. Machine: Practical Adversarial Detection of Malicious Crowdsourcing Workers

Wang, G., Wang, T., Zheng, H., & Zhao, B. Y. Usenix Security'14

[4]: 

 
 
一般来说Machine Learning主要有3种:
  1. Supervised Learning
  2. Semi-supervised Learning
  3. Unsupervised Learning

Supervised Learning适用与已知LABEL的情况.
Semi-supervised/Unsupervised Learning适用于有Latent Variable的情况.

题主提到的这些算法虽然常见,但是想真正的搞懂需要深入了解(Calculus, Linear Algebra, Probabilistic).

比如SVM,为什么叫Support Vector Machine, 为什么SVM有Sparsity的特性, L1/L2 Regularizar起到了什么作用, 等等...
单单一个SVM就有太多的内容在里面了.
-----------------------------------------------------------------------------------------------
接下来回答问题:

k近邻,贝叶斯,决策树,svm,逻辑斯蒂回归和最大熵模型,隐马尔科夫,条件随机场,adaboost,em

首先:
Maximum Entropy和EM是理念.
Maximum Entropy的背后是信息论(Information Theory)和概率模型.
EM Model事实上对所有含有Latent Variable的模型都可以用.

kNN可以用于图像压缩.
但是,如何选取K, Similarity用什么, 都不是随便说应用就应用的...

Naive Bayes: 知名的  背后就有用,简单粗暴, 强大有效...
但是, NB算法如何Smooth,如何应对Online Setting,也不是那么简单...

SVM/Logistic Regression 都可以用于各种分类.
但是Hinge Loss和Sigmoid Function有什么区别, 什么时候用哪个?

HMM/CRF NLP常用

Ada-boost 可以参考Netflix Prize,貌似大奖用了这个...具体不清楚
但是, Weak Learner是什么, Why boost works?

-----------------------------------------------------------------------------------------------
总结:
前几天Yann Lecun来我们学校做了演讲, 然后我们的老师回头总结,我觉得很有道理:
就是现在Deep Learning处于一个Scaling就是Accuracy的阶段,很多背后的原因我们其实都没有搞清楚. 例如, Deep Learning里用Max做Feature selection效果很好,但是Yann Lecun也只能猜测原因. 
所以真正的应用,取决于你动手去做, 去尝试.


最后:
推荐Andrew的公开课, 你值得拥有.
 
 
先上一张图吧,有需要再详细写
 
 
  1. crf 分词、语法依存分析、命名实体识别,但是现在正在越来越多的应用场景里被RNN已经它的变种们所替代~ LSTM+CRF的解决方案取得了state of art的效果~
  2. lr ctr 预估,商品推荐转换为点击率预估也可以用该模型。之前天猫大数据比赛很多同学都是用它做的session first。可以着重了解推导,正则化及并行。但现在越来越多的依赖于深度学习,包括DNN, DRL.
  3. svm 可以做文本分类,人脸识别等,了解下原始问题如何转换为对偶问题,然后使用smo或者其他问题求解,还有了解下核函数~
  4. adaboost 本身是exp loss在boosting方法下的Model.
  5. EM 是一种优化算法,本质个人认为有点类似于离散空间的梯度上升算法,一般是结合具体的算法来用,比如混合高斯模型,最大熵,无监督HMM等,但比较经典的个人感觉还是pLSA,其实k-means背后也有em的思想,了解em再看k-means就有感觉了。
  6. 决策树可以认为是将空间进行划分,ID3和C4.5算是比较经典的决策树算法,可以用来分类,也可以用来回归,但业界很少直接使用一棵树,一般使用多棵树,组成committee,较为经典有GBDT 和RF,两者都是ensemble learning的典范,只不过前者使用boosting降低bias,后者使用bagging降低variance从而提升模型的performance。在ESL中有个对比,使树形模型几乎完爆其他算法,泛化能力和学习能力都很牛逼。业界的话一般用来做搜索排序和相关性。
  7. HMM,在基础的一阶马儿科夫的基础之上,加入隐含状态,有两者假设,解决三种问题,一般时间序列预测都可以用该模型,当然了,NLP中的分词,语音识别等效果也还不错。

 

先写到这,求大神来喷~

 
 
分别用到的频率多大?

It depends. 看你需要处理的问题是什么。不同数据规模、不同特征都会影响算法的选择。

一般用途是什么?

这个问题太大了,简单来说,
KNN、朴素贝叶斯、决策树、SVM、logistic回归、adaboost用来分类。
EM算法用于寻找隐藏参数的最大似然估计。该算法首先在E step中计算隐藏参数的似然估计,然后再M step中进行最大化,然后进行EM step的迭代直至收敛。应用场景之一是聚类问题,但EM算法本身并不是一个聚类算法。举个例子,GMM(高斯混合模型)和Kmeans在聚类时都使用了EM算法。
最大熵模型是一个概率模型,决策树的数学基础就是它。
HMM也是一个统计模型,我们不能用它来做什么,但是可以利用这个模型对现实生活中的问题建模。

需要注意什么?
实践出真知。
 
 
谢霄哥邀请
这个问题确实很有意思,作为新入门的小白 只能提供一点点粗略的认识。
----------------------------------------------------------------------------------------------------------

K近邻:算法采用测量不同特征值之间的距离的方法进行分类。

优点:

1.简单好用,容易理解,精度高,理论成熟,既可以用来做分类也可以用来做回归;

2.可用于数值型数据和离散型数据;

3.训练时间复杂度为O(n);无数据输入假定;

4.对异常值不敏感

缺点:

1.计算复杂性高;空间复杂性高;

2.样本不平衡问题(即有些类别的样本数量很多,而其它样本的数量很少);

3.一般数值很大的时候不用这个,计算量太大。但是单个样本又不能太少 否则容易发生误分。

4.最大的缺点是无法给出数据的内在含义。


朴素贝叶斯

优点:

1.生成式模型,通过计算概率来进行分类,可以用来处理多分类问题,

2.对小规模的数据表现很好,适合多分类任务,适合增量式训练,算法也比较简单。

缺点:

1.对输入数据的表达形式很敏感,

2.由于朴素贝叶斯的“朴素”特点,所以会带来一些准确率上的损失。

3.需要计算先验概率,分类决策存在错误率。


决策树

优点:

1.概念简单,计算复杂度不高,可解释性强,输出结果易于理解;

2.数据的准备工作简单, 能够同时处理数据型和常规型属性,其他的技术往往要求数据属性的单一。

3.对中间值得确实不敏感,比较适合处理有缺失属性值的样本,能够处理不相关的特征;

4.应用范围广,可以对很多属性的数据集构造决策树,可扩展性强。决策树可以用于不熟悉的数据集合,并从中提取出一些列规则 这一点强于KNN。

缺点:

1.容易出现过拟合;

2.对于那些各类别样本数量不一致的数据,在决策树当中,信息增益的结果偏向于那些具有更多数值的特征。

3. 信息缺失时处理起来比较困难。 忽略数据集中属性之间的相关性。


Svm

优点:

1.可用于线性/非线性分类,也可以用于回归,泛化错误率低,计算开销不大,结果容易解释;

2.可以解决小样本情况下的机器学习问题,可以解决高维问题 可以避免神经网络结构选择和局部极小点问题。

3.SVM是最好的现成的分类器,现成是指不加修改可直接使用。并且能够得到较低的错误率,SVM可以对训练集之外的数据点做很好的分类决策。

缺点:对参数调节和和函数的选择敏感,原始分类器不加修改仅适用于处理二分类问题。


Logistic回归:根据现有数据对分类边界线建立回归公式,依次进行分类。

优点:实现简单,易于理解和实现;计算代价不高,速度很快,存储资源低;

缺点:容易欠拟合,分类精度可能不高


EM 期望最大化算法-上帝算法

只要有一些训练数据,再定义一个最大化函数,采用EM算法,利用计算机经过若干次迭代,就可以得到所需的模型。EM算法是自收敛的分类算法,既不需要事先设定类别也不需要数据见的两两比较合并等操作。缺点是当所要优化的函数不是凸函数时,EM算法容易给出局部最佳解,而不是最优解。


参考文献:

机器学习--判别式模型与生成式模型

数据挖掘十大算法----EM算法(最大期望算法)

各种分类算法的优缺点

机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)

吴军.数学之美[M].北京:人民邮电出版社,2014.

Peter Harrington,李锐,李鹏,曲亚东,王斌.机器学习实战[M].北京:人民邮电出版社2013.

李航.统计学习方法[M].北京:清华大学出版社 2012.

杉山将,许永伟.图解机器学习[M].北京:人民邮电出版社2015.

斯坦福大学公开课 :机器学习课程

 
 

说一些和题目里面的模型不太有关系的话,介绍一个 KL 散度的运用小场景:

写过一篇关于 KL 散度的理论+运用的文章:KL 散度(从动力系统到推荐系统)

在信息论和动力系统里面,Kullback-Leibler 散度(简称 KL 散度,KL divergence)是两个概率分布 P 和 Q 的一个非对称的度量公式。这个概念是由 Solomon Kullback 和 Richard Leibler 在 1951 年引入的。从概率分布 Q 到概率分布 P 的 KL 散度用 D_{KL}(P||Q) 来表示。尽管从直觉上看 KL 散度是一个度量或者是一个距离,但是它却不满足度量或者距离的定义。例如,从 Q 到 P 的 KL 散度就不一定等于从 P 到 Q 的 KL 散度。本文即将介绍如何将动力系统的概念运用到实际推荐系统的工作中,从而达到更佳的推荐效果。

详细请见:KL 散度(从动力系统到推荐系统)
 
 
现代玄学,很多需要依靠经验
 
具体问题具体分析。。。。。。
 
 

算法是解决方法的数学抽象,一个算法诞生于某个应用场景下,但也可以用在其他应用场景。按场景来分不太合理。


比如pagerank是用来做网页排序的,有人把它用在文本处理上,发现效果奇好,于是发明了textrank。再比如word2vec是自然语言处理的方法,但有人用它来处理交互数据给微博用户做推荐。
 
 
随便强答一发吧。说几个自己用过的。
lr万金油中的万金油,解释性很强。(每个特征可以通过权重来分析重要性,这就是所谓的可解释性)。应用场合很多,例如CTR预估,因为在这个场合下特征纬度很高并且稀疏。很适合用lr。
当特征维度不高,而且不会稀疏(一般是没onehot),也就是比较稠密的时候用gbdt或者xgboost比较合适。



















本文转自张昺华-sky博客园博客,原文链接:http://www.cnblogs.com/bonelee/p/7834026.html,如需转载请自行联系原作者

网友评论

登录后评论
0/500
评论
桃子红了呐
+ 关注