
统计机器学习
|
221
•
随机森林是应用在决策树上的一种特殊的装袋法。除了对数据进行重抽样,随机森
林算法还在树分割时对预测变量进行抽样。
•
随机森林的一种有用结果是测量变量的重要性,它可以按照对模型准确度的贡献对
预测变量进行排序。
•
随机森林有一组超参数。应该使用交叉验证对这些超参数进行调优,以避免过拟合。
6.4
提升方法
集成模型已经成为了预测建模的标准方法。
提升
(
boosting
)方法是创建集成模型的一种
通用技术,它与
装袋法
(
bagging
,参
见
6.3
节)基本上是在同一时间发展起来的。与装袋
法类似,提升方法也最常用于决策树。尽管有这些相同之处,提升方法与装袋仍有很大差
别,它有很多其他用途。因此,装袋法只需要做很少的调优工作,而提升方法在应用时则
要花更多工夫。如果用汽车来比喻这两种方法的话,装袋法就是本田雅阁(可靠而稳定),
而提升方法则是保时捷(功能更强大,但需要更多的维护)。
在线性回归模型中,经常需要检查残差以确定是否可以改善拟合(参见
4.6.4
节)
。提升
方法对这种思想进行了进一步的深化,它拟合了一系列模型,每个模型都以最小化前一
个模型的误差为目标。这种算法常用的几种变体是
Adaboost
、
梯度提升
和
随机梯度提
升
,其中最常用的是随机梯度提升。实际上,如果参数选择正确,这种算法的效果可以
媲美随机森林。
本节关键术语
集成
使用一个模型集合来形成最终预测。
同义词
模型平均
提升
一种通用技术,它在多个连续的轮次中拟合一系列模型,对有较大残差的记录赋予
更大权重。
Adaboost
提升方法的一种早期版本,基于残差为数据进行重新加权。 ...