机器学习算法选择

时间 2019-11-26

标签机器学习算法选择繁體版

原文原文链接

各类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 这些在通常工做中，分别用到的频率多大？通常用…

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。html

https://zhuanlan.zhihu.com/p/25327755

正好14年的时候有人作过一个实验[1]，比较在不一样数据集上（121个），不一样的分类器（179个）的实际效果。react

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

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

写给懒得看的人：github

没有最好的分类器，只有最合适的分类器。

随机森林平均来讲最强，但也只在9.9%的数据集上拿到了第一，优势是鲜有短板。面试

SVM的平均水平紧随其后，在10.7%的数据集上拿到第一。算法

神经网络（13.2%）和boosting（~9%）表现不错。网络

数据维度越高，随机森林就比AdaBoost强越多，可是总体不及SVM[2]。session

数据量越大，神经网络就越强。app

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。

它的特色是彻底跟着数据走，没有数学模型可言。

适用情景：

须要一个特别容易解释的模型的时候。

好比须要向用户解释缘由的推荐算法。

贝叶斯 (Bayesian)

典型的例子是Naive Bayes，核心思路是根据条件几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：

须要一个比较容易解释，并且不一样维度之间相关性较小的模型的时候。

能够高效处理高维数据，虽然结果可能不尽如人意。

决策树 (Decision tree)

决策树的特色是它老是在沿着特征作切分。随着层层递进，这个划分会愈来愈细。

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

举个简单的例子，当咱们预测一个孩子的身高的时候，决策树的第一层多是这个孩子的性别。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：

由于它可以生成清晰的基于特征(feature)选择不一样预测结果的树状结构，数据分析师但愿更好的理解手上的数据的时候每每可使用决策树。

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。由于决策树最终在底层判断是基于单个条件的，攻击者每每只须要改变不多的特征就能够逃过监测。

受限于它的简单性，决策树更大的用处是做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，森林就是不少树。

严格来讲，随机森林其实算是一种集成算法。它首先随机选取不一样的特征(feature)和训练样本(training sample)，生成大量的决策树，而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高，同时必定程度上改善了决策树容易被攻击的特色。

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。

由于不须要不少参数调整就能够达到不错的效果，基本上不知道用什么方法的时候均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一样类别之间的分界面，使得两类样本尽可能落在面的两边，并且离分界面尽可能远。

最先的SVM是平面的，局限很大。可是利用核函数(kernel function)，咱们能够把平面投射(mapping)成曲面，进而大大提升SVM的适用范围。

提升以后的SVM一样被大量使用，在实际分类中展示了很优秀的正确率。

适用情景：

SVM在不少数据集上都有优秀的表现。

相对来讲，SVM尽可能保持与样本间距离的性质致使它抗攻击的能力更强。

和随机森林同样，这也是一个拿到数据就能够先尝试一下的算法。

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，它实际上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，它拟合的是一个几率学中的函数，f(x)的值这时候就反映了样本属于这个类的几率。

适用情景：

LR一样是不少分类算法的基础组件，它的好处是输出值天然地落在0到1之间，而且有几率意义。

由于它本质上是一个线性的分类器，因此处理很差特征之间相关的状况。

虽然效果通常，却胜在模型清晰，背后的几率学经得住推敲。它拟合出来的参数就表明了每个特征(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，因此我也不是很熟悉，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，若是要分红两类，就投射到一维。要分三类就投射到二维平面上。这样的投射固然有不少种不一样的方式，LDA投射的标准就是让同类的样本尽可能靠近，而不一样类的尽可能分开。对于将来要预测的样本，用一样的方式投射以后就能够轻易地分辨类别了。

使用情景：

判别分析适用于高维数据须要降维的状况，自带降维功能使得咱们能方便地观察样本分布。它的正确性有数学公式能够证实，因此一样是很经得住推敲的方式。

可是它的分类准确率每每不是很高，因此不是统计系的人就把它做为降维工具用吧。

同时注意它是假定样本成正态分布的，因此那种同心圆形的数据就不要尝试了。

神经网络 (Neural network)

神经网络如今是火得不行啊。它的核心思路是利用训练样本(training sample)来逐渐地完善参数。仍是举个例子预测身高的例子，若是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，若是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，就由咱们的样本所决定。

神经网络的优点在于，它能够有不少不少层。若是输入输出是直接链接的，那它和LR就没有什么区别。可是经过大量中间层的引入，它就可以捕捉不少输入特征之间的关系。卷积神经网络有很经典的不一样层的可视化展现(visulization)，我这里就不赘述了。

神经网络的提出其实很早了，可是它的准确率依赖于庞大的训练集，本来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。

固然如今神经网络不仅是一个分类器，它还能够用来生成数据，用来作降维，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。由于决策树毕竟是树状结构，理解上仍是有必定难度。因此它把决策树的结果提取出来，造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，不多见人用。大概须要提供明确小规则来解释决定的时候才会用吧。

提高算法（Boosting）

接下来说的一系列模型，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：当咱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)。这样就下降了分类时须要计算的特征数量，也在必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，它的每个弱分类器其实就是一个决策树。这就是以前为何说决策树是各类算法的基石。

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，可是实际使用中它仍是很强的。由于自带特征选择（feature selection）因此对新手很友好，是一个“不知道用什么就试一下它吧”的算法。

装袋算法（Bagging）

一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。而后经过取平均，或者投票(voting)的方式决定最终的分类结果。

由于它随机选取训练集的特色，Bagging能够必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。若是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。一部分的缘由是Bagging的效果和参数的选择关系比较大，用默认参数每每没有很好的效果。

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

Stacking

这个我是真不知道中文怎么说了。它所作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。通常这最后一层用的是LR。

Stacking在[1]里面的表现很差，多是由于增长的一层分类器引入了更多的参数，也多是由于有过渡拟合(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仍是对结果能有帮助的。

http://blog.kaggle.com/2016/12/27/a-kagglers-guide-to-model-stacking-in-practice/

这篇文章很好地介绍了stacking的好处。在kaggle这种一点点提高就意味着名次不一样的场合下，stacking仍是颇有效的，可是对于通常商用，它所带来的提高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，并且训练集异质性（heterogeneity）比较强的话能够研究一下这个。

讲到这里分类器其实基本说完了。讲一下问题里面其余一些名词吧。

最大熵模型 (Maximum entropy model)

最大熵模型自己不是分类器，它通常是用来判断模型预测结果的好坏的。

对于它来讲，分类器预测是至关因而：针对样本，给每一个类一个出现几率。好比说样本的特征是：性别男。个人分类器可能就给出了下面这样一个几率：高（60%），矮（40%）。

而若是这个样本真的是高的，那咱们就得了一个分数60%。最大熵模型的目标就是让这些分数的乘积尽可能大。

LR其实就是使用最大熵模型做为优化目标的一个算法[4]。

EM

就像最大熵模型同样，EM不是分类器，而是一个思路。不少算法都是基于这个思路实现的。

@刘奕驰已经讲得很清楚了，我就很少说了。

隐马尔科夫 (Hidden Markov model)

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

之因此叫“隐”马尔科夫是由于它的设定是状态自己咱们是看不到的，咱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：

能够用于序列的预测，能够用来生成序列。

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，由于我历来没用过这个。

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]: http://www.win-vector.com/dfiles/LogisticRegressionMaxEnt.pdf

编辑于 2017-05-18

通常来讲Machine Learning主要有3种:

Supervised Learning
Semi-supervised Learning
Unsupervised Learning

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

题主提到的这些算法虽然常见,可是想真正的搞懂须要深刻了解(Calculus, Linear Algebra, Probabilistic).

好比SVM,为何叫Support Vector Machine, 为何SVM有Sparsity的特性, L1/L2 Regularizar起到了什么做用, 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)和几率模型.
EM Model事实上对全部含有Latent Variable的模型均可以用.

kNN能够用于图像压缩.
可是,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 http://arxiv.org 背后就有用,简单粗暴, 强大有效...
可是, NB算法如何Smooth,如何应对Online Setting,也不是那么简单...

SVM/Logistic Regression 均可以用于各类分类.
可是Hinge Loss和Sigmoid Function有什么区别, 何时用哪一个?

HMM/CRF NLP经常使用

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

-----------------------------------------------------------------------------------------------
总结:
前几天Yann Lecun来咱们学校作了演讲, 而后咱们的老师回头总结,我以为颇有道理:
就是如今Deep Learning处于一个Scaling就是Accuracy的阶段,不少背后的缘由咱们其实都没有搞清楚. 例如, Deep Learning里用Max作Feature selection效果很好,可是Yann Lecun也只能猜想缘由.
因此真正的应用,取决于你动手去作, 去尝试.

最后:
推荐Andrew的公开课, 你值得拥有.
https://class.coursera.org/ml-006

编辑于 2015-03-09

先上一张图吧，有须要再详细写

编辑于 2014-12-08

crf 分词、语法依存分析、命名实体识别，可是如今正在愈来愈多的应用场景里被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~
lr ctr 预估，商品推荐转换为点击率预估也能够用该模型。以前天猫大数据比赛不少同窗都是用它作的session first。能够着重了解推导，正则化及并行。但如今愈来愈多的依赖于深度学习，包括DNN, DRL.
svm 能够作文本分类，人脸识别等，了解下原始问题如何转换为对偶问题，而后使用smo或者其余问题求解，还有了解下核函数~
adaboost 自己是exp loss在boosting方法下的Model.
EM 是一种优化算法，本质我的认为有点相似于离散空间的梯度上升算法，通常是结合具体的算法来用，好比混合高斯模型，最大熵，无监督HMM等，但比较经典的我的感受仍是pLSA，其实k-means背后也有em的思想，了解em再看k-means就有感受了。
决策树能够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，能够用来分类，也能够用来回归，但业界不多直接使用一棵树，通常使用多棵树，组成committee，较为经典有GBDT 和RF，二者都是ensemble learning的典范，只不过前者使用boosting下降bias，后者使用bagging下降variance从而提高模型的performance。在ESL中有个对比，使树形模型几乎完爆其余算法，泛化能力和学习能力都很牛逼。业界的话通常用来作搜索排序和相关性。
HMM，在基础的一阶马儿科夫的基础之上，加入隐含状态，有二者假设，解决三种问题，通常时间序列预测均可以用该模型，固然了，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~

编辑于 2017-09-20

分别用到的频率多大？

It depends. 看你须要处理的问题是什么。不一样数据规模、不一样特征都会影响算法的选择。

通常用途是什么？

这个问题太大了，简单来讲，
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，而后再M step中进行最大化，而后进行EM step的迭代直至收敛。应用场景之一是聚类问题，但EM算法自己并非一个聚类算法。举个例子，GMM(高斯混合模型)和Kmeans在聚类时都使用了EM算法。
最大熵模型是一个几率模型，决策树的数学基础就是它。
HMM也是一个统计模型，咱们不能用它来作什么，可是能够利用这个模型对现实生活中的问题建模。

须要注意什么？

实践出真知。

编辑于 2014-12-03

谢霄哥邀请
这个问题确实颇有意思，做为新入门的小白只能提供一点点粗略的认识。
----------------------------------------------------------------------------------------------------------

K近邻：算法采用测量不一样特征值之间的距离的方法进行分类。

优势：

1.简单好用，容易理解，精度高，理论成熟，既能够用来作分类也能够用来作回归；

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不少，而其它样本的数量不多）；

3.通常数值很大的时候不用这个，计算量太大。可是单个样本又不能太少不然容易发生误分。

4.最大的缺点是没法给出数据的内在含义。

朴素贝叶斯

优势：

1.生成式模型，经过计算几率来进行分类，能够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.因为朴素贝叶斯的“朴素”特色，因此会带来一些准确率上的损失。

3.须要计算先验几率，分类决策存在错误率。

决策树

优势：

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.数据的准备工做简单，可以同时处理数据型和常规型属性，其余的技术每每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，可以处理不相关的特征；

4.应用范围广，能够对不少属性的数据集构造决策树，可扩展性强。决策树能够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.对于那些各种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备更多数值的特征。

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

优势：

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

2.能够解决小样本状况下的机器学习问题，能够解决高维问题能够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。而且可以获得较低的错误率，SVM能够对训练集以外的数据点作很好的分类决策。

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创建回归公式，依次进行分类。

优势：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 指望最大化算法-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，利用计算机通过若干次迭代，就能够获得所需的模型。EM算法是自收敛的分类算法，既不须要事先设定类别也不须要数据见的两两比较合并等操做。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（最大指望算法）

各类分类算法的优缺点

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

编辑于 2016-06-12

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）是两个几率分布 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。从几率分布 Q 到几率分布 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，可是它却不知足度量或者距离的定义。例如，从 Q 到 P 的 KL 散度就不必定等于从 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做中，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）

发布于 2016-03-27

现代玄学，不少须要依靠经验

发布于 2014-11-23

具体问题具体分析。。。。。。

发布于 2014-11-23

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，但也能够用在其余应用场景。按场景来分不太合理。

好比pagerank是用来作网页排序的，有人把它用在文本处理上，发现效果奇好，因而发明了textrank。再好比word2vec是天然语言处理的方法，但有人用它来处理交互数据给微博用户作推荐。

发布于 2017-03-15

随便强答一发吧。说几个本身用过的。lr万金油中的万金油，解释性很强。（每一个特征能够经过权重来分析重要性，这就是所谓的可解释性）。应用场合不少，例如CTR预估，由于在这个场合下特征纬度很高而且稀疏。很适合用lr。当特征维度不高，并且不会稀疏（通常是没onehot），也就是比较稠密的时候用gbdt或者xgboost比较合适。