图解机器学习|图解机器学习 | 回归树模型详解图解机器学习|回归树模型详解

文章图片

作者：韩信子@ShowMeAI
教程地址：http://www.showmeai.tech/tutorials/34
本文地址：http://www.showmeai.tech/article-detail/192
声明：版权所有，转载请联系平台与作者并注明出处
引言大家在前面的部分学习到了使用决策树进行分类，实际决策树也可以用作回归任务，我们叫作回归树。而回归树的结构还是树形结构，但是属性选择与生长方式和分类的决策树有不同，我们一起来看看它的原理知识吧。
（本篇回归树模型部分内容涉及到机器学习基础知识、决策树算法，没有先序知识储备的宝宝可以查看ShowMeAI的文章图解机器学习 | 机器学习基础知识及决策树模型详解）。
1.决策树回归算法核心思想 1）决策树结构回顾我们一起来回顾一下决策树的结构，决策树的典型结构如下图所示。

文章图片

决策树的学习过程和预测过程如下图所示。详细内容可以参考ShowMeAI的文章决策树模型详解。

文章图片

主流的决策树算法有：

ID3：基于信息增益来选择分裂属性（每步选择信息增益最大的属性作为分裂节点，树可能是多叉的）。
C4.5：基于信息增益率来选择分裂属性（每步选择信息增益率最大的属性作为分裂节点，树可能是多叉的）。
CART：基于基尼系数来构建决策树（每步要求基尼系数最小，树是二叉的）。

其中：CART树全称Classification And Regression Tree，即可以用于分类，也可以用于回归，这里指的回归树就是CART树，ID3和C4.5不能用于回归问题。
2）回归树的核心思想要讲回归树，我们一定会提到CART树，CART树全称Classification And Regression Trees，包括分类树与回归树。
CART的特点是：假设决策树是二叉树，内部结点特征的取值为「是」和「否」，右分支是取值为「是」的分支，左分支是取值为「否」的分支。这样的决策树等价于「递归地二分每个特征」，将输入空间（特征空间）划分为有限个单元，并在这些单元上确定预测的概率分布，也就是在输入给定的条件下输出的条件概率分布。
设有数据集 $D$ ，构建回归树的大体思路如下：

①考虑数据集 $D$ 上的所有特征 $j$ ，遍历每一个特征下所有可能的取值或者切分点 $s$ ，将数据集 $D$ 划分成两部分 $D_1$ 和 $D_2$ 。
②分别计算 $D_1$ 和 $D_2$ 的平方误差和，选择最小的平方误差对应的特征与分割点，生成两个子节点（将数据划分为两部分）。
③对上述两个子节点递归调用步骤①②，直到满足停止条件。

回归树构建完成后，就完成了对整个输入空间的划分（即完成了回归树的建立）。将整个输入空间划分为多个子区域，每个子区域输出为该区域内所有训练样本的平均值。

文章图片

文章图片

我们知道了回归树其实是将输入空间划分为M个单元，每个区域的输出值是该区域内所有点y值的平均数。但我们希望构建最有效的回归树：预测值与真实值差异度最小。下面部分我们展开讲讲，回归树是如何生长的。
2.启发式切分与最优属性选择 1）回归树模型示例我们用一个经典的棒球案例来解释回归树：根据从业年限和表现，去预估棒球运动员的工资。如下所示，有1987个数据样本，包含322个棒球运动员。红黄表示高收入，蓝绿表示低收入。横坐标是年限，纵坐标是表现。

文章图片

这个简单案例中，每个样本数据有两个特征：从业年限years和成绩表现hits，回归树的决策过程由最终生成的回归树决定，如右图所示：

根决策节点为特征Years，其划分阈值为4.5，Years小于4.5的样本划分到左边，大于或等于4.5的样本划分到右边；
第二个决策节点的特征为Hits，其划分阈值为117.5，Hits小于117.5的样本划分到左边，大于或等于117.5的样本划分到右边。
一个样本顺着决策树的决策条件，走到叶子节点，即可获得预测工资，这里的预测工资总共就3种取值，分别为5.11、6.00、6.74。

文章图片

我们来深入拆解和对应一下，其实回归树构建完成后，实现了对整个空间的划分（如下图所示）。实际预测时，新样本会按照回归树的决策过程，被划分到下图 $R_1$ 、 $R_2$ 、 $R_3$ 之中的一个区域 $R_i$ ，而这个新样本的预测值（本案例中为棒球运动员的工资）就是它所在的区域。

$R_i$ 中所有训练样本的工资平均值。

文章图片

回归树背后的含义：对空间的划分。整个平面被划分成3部分：

$R1 = {X |Years < 4.5}$
$R2 = {X |Years ≥ 4.5, Hits < 117.5}$
$R3 = {X |Years ≥ 4.5, Hits ≥ 117.5}$

2）回归树构建方法下面切到回归树构建的核心：切分方式与属性选择。
假设一回归问题，预估结果 $y \in R$ ，特征向量为 $X = [x_1,x_2,x_3, \dots , x_p ]$ ，回归树2个步骤是：

①把整个特征空间 $X$ 切分成 $J$ 个没有重叠的区域 $R_1,R_2,R_3, \dots ,R_J$
②其中区域 $R_J$ 中的每个样本我们都给一样的预测结果 $\tilde{y}_{R_{j}}=\frac{1}{n} \sum j \in R j y_{j}$ ，其中 $n$ 是 $R_J$ 中的总样本数。

仔细观察一下上面的过程，实际上我们希望能找到如下的RSS最小的化划分方式 $R_1,R_2,R_3, \dots ,R_J$
$$ R S S=\sum_{j=1}^{J} \sum_{i \in R j}\left(y_{i}-\tilde{y}_{R_{j}}\right)^{2} $$

文章图片

$y$ ：为每个训练样本的标签构成的标签向量，向量中的每个元素 $y_j $ 对应的是每个样本的标签。
$X$ ：为特征的集合， $x_1,x_2, \dots , x_p$ 为第1个特征到第 $p$ 个特征。
$R_1,R_2,R_3, \dots ,R_J$ 为整个特征空间划分得来的J个不重叠的区域（可以参考上页的右图）。
$\tilde{y}_{R_{j}}$ ：为划分到第 $j$ 个区域 $R_j $ 的样本的平均标签值，用这个值作为该区域的预测值，即如果有一个测试样本在测试时落入到该区域，就将该样本的标签值预测为 $\tilde{y}_{R_{j}}$ 。

但是这个最小化和探索的过程，计算量是非常非常大的。我们采用「探索式的递归二分」来尝试解决这个问题。
递归二分
回归树采用的是「自顶向下的贪婪式递归方案」。这里的贪婪，指的是每一次的划分，只考虑当前最优，而不回头考虑之前的划分。从数学上定义，即选择切分的维度（特征） $x_j$ 以及切分点 $s$ 使得划分后的树RSS结果最小，公式如下所示：
$$ \begin{aligned} & R_{1}(j, s)=\left\{x \mid x_{j}

文章图片

我们再来看看「递归切分」。下方有两个对比图，其中左图是非递归方式切分得到的，而右图是二分递归的方式切分得到的空间划分结果（下一次划分一定是在之前的划分基础上将某个区域一份为二）。

文章图片

两种方式的差别是：递归切分一定可以找到一个较优的解，非递归切分穷举不了所有情况，算法上无法实现，可能无法得到一个较好的解。

文章图片

回归树总体流程类似于分类树：分枝时穷举每一个特征可能的划分阈值，来寻找最优切分特征和最优切分点阈值，衡量的方法是平方误差最小化。分枝直到达到预设的终止条件（如叶子个数上限）就停止。
但通常在处理具体问题时，单一的回归树模型能力有限且有可能陷入过拟合，我们经常会利用集成学习中的Boosting思想，对回归树进行增强，得到的新模型就是提升树（Boosting Decision Tree），进一步，可以得到梯度提升树（Gradient Boosting Decision Tree，GBDT），再进一步可以升级到XGBoost。通过多棵回归树拟合残差，不断减小预测值与标签值的偏差，从而达到精准预测的目的，ShowMeAI会在后面介绍这些高级算法。
3.过拟合与正则化 1）过拟合问题决策树模型存在过拟合风险，通常情况下，树的规模太小会导致模型效果不佳，而树的规模太大就会造成过拟合，非常难以控制。
2）过拟合问题处理对于决策树，我们通常有如下一些策略可以用于环节过拟合：

文章图片

（1）约束控制树的过度生长

限制树的深度：当达到设置好的最大深度时结束树的生长。
分类误差法：当树继续生长无法得到客观的分类误差减小，就停止生长。
叶子节点最小数据量限制：一个叶子节点的数据量过小，树停止生长。

（2）剪枝
约束树生长的缺点就是提前扼杀了其他可能性，过早地终止了树的生长，我们也可以等待树生长完成以后再进行剪枝，即所谓的后剪枝，而后剪枝算法主要有以下几种：

Reduced-Error Pruning（REP，错误率降低剪枝）。
Pesimistic-Error Pruning（PEP，悲观错误剪枝）。
Cost-Complexity Pruning（CCP，代价复杂度剪枝）。
Error-Based Pruning（EBP，基于错误的剪枝）。

3）正则化对于回归树而言，在剪枝过程中我们会添加正则化项衡量。如下所示，考虑剪枝后得到的子树 $\left {T_a \right }$ ，其中 $\alpha$ 是正则化项的系数。当固定住 $\alpha$ 之后，最佳的 $T_a$ 就是使得下列式子值最小的子树。
$$ \sum_{m=1}^{|T|} \sum_{x_{i} \in R_{m}}\left(y_{i}-\tilde{y}_{R_{2}}\right)^{2}+\alpha|T| $$