集成学习实战——Boosting（GBDT，Adaboost，XGBoost）

集成学习实践部分也分成三块来讲解：

sklearn官方文档：http://scikit-learn.org/stable/modules/ensemble.html#ensemble

1、GBDT

GradientBoostingClassifier：http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.GradientBoostingClassifier.html#sklearn.ensemble.GradientBoostingClassifier

GradientBoostingRegressor：http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.GradientBoostingRegressor.html#sklearn.ensemble.GradientBoostingRegressor

参数说明：

1、loss：损失函数的类型：分类算法中有对数似然损失函数"deviance"和指数损失函数"exponential"两者输入选择，指数有点类似Adaboost

　　　　对于回归模型，有均方差"ls", 绝对损失"lad", Huber损失"huber"和分位数损失“quantile”。

2、learning_rate:学习率，也就是每个基学习器前面的权重

3、n_estimators：基学习器数量

4、subsample:采样，就是正则化因子里讲过，这里是不放回的采样，取值在0,1之间 

若学习期的参数：这里以决策树为例

5、max_features：划分是选择的最多特征数

6、等等

2、XGBoost

 http://xgboost.apachecn.org/cn/latest/

参数介绍参考：http://blog.csdn.net/wzmsltw/article/details/50994481

3、Adaboost

在sklearn中Adaboost库分成两个，分别是分类和回归AdaBoostClassifier和AdaBoostRegressor

对于集成学习我们参数部分也分成框架跟基学习器的参数两种

1、框架部分：

AdaBoostClassifier：http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.AdaBoostClassifier.html#sklearn.ensemble.AdaBoostClassifier

 AdaBoostRegressor：http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.AdaBoostRegressor.html#sklearn.ensemble.AdaBoostRegressor

参数说明：

base_estimator:弱学习器是什么，default=DecisionTreeClassifier，

algorithm:这个参数只有AdaBoostClassifier有。主要原因是scikit-learn实现了两种Adaboost分类算法，SAMME和SAMME.R。两者的主要区别是弱学习器权重的度量，SAMME使用了和我们的原理篇里二元分类Adaboost算法的扩展，即用对样本集分类效果作为弱学习器权重，而SAMME.R使用了对样本集分类的预测概率大小来作为弱学习器权重。由于SAMME.R使用了概率度量的连续值，迭代一般比SAMME快，因此AdaBoostClassifier的默认算法algorithm的值也是SAMME.R。我们一般使用默认的SAMME.R就够了，但是要注意的是使用了SAMME.R， 则弱分类学习器参数base_estimator必须限制使用支持概率预测的分类器。SAMME算法则没有这个限制。

loss:只有AdaBoostRegressor有，代表使用的损失是那种损失

n_estimators:弱学习器个数

learning_rate：学习率，也就是我们前面理论部分有讲到正则化里面的参数

 

2、基学习器

基学习器可选的有很多种，这里举例CART树

与决策树的参数一样，可选择的有很多，更多参考决策树那篇

3、实战