集成学习（Ensemble Learning）详解
集成学习是一种机器学习方法，它结合了多个模型的预测结果以提高整体性能。这种方法的基本思想是，多个模型一起工作比单个模型单独工作更有效。
集成学习的核心概念
1. 弱学习器（Weak Learner）
- 弱学习器是指单独性能只略好于随机猜测的模型。集成学习通过组合多个弱学习器来提升整体性能。
2. 强学习器（Strong Learner）
- 强学习器是指具有高度准确性的模型。在集成学习中，多个弱学习器结合成一个强学习器。
集成学习的主要方法
1. Bagging（Bootstrap Aggregating）
-
原理：通过在原始数据集上使用重采样（通常是有放回抽样）来创建多个子集，然后在每个子集上训练一个模型。
-
代表算法：随机森林（Random Forest）。
-
数学表示：
y ^ = 1 B ∑ b = 1 B f b ( x ) \hat{y} = \frac{1}{B} \sum_{b=1}^{B} f_b(x) y^=B1b=1∑Bfb(x)
其中 B B B 是模型的数量， f b ( x ) f_b(x) fb(x) 是第 b b b 个模型的预测。
2. Boosting
-
原理：顺序地训练模型，每个模型都试图纠正前一个模型的错误。
-
代表算法：AdaBoost, Gradient Boosting。
-
数学表示：
y ^ = ∑ b = 1 B α b f b ( x ) \hat{y} = \sum_{b=1}^{B} \alpha_b f_b(x) y^=b=1∑Bαbfb(x)
其中 α b \alpha_b αb 是第 b b b 个模型的权重。
3. Stacking
-
原理：训练多个不同的模型，然后使用一个新的模型来综合这些模型的预测。
-
数学表示：
y ^ = f ( f 1 ( x ) , f 2 ( x ) , . . . , f B ( x ) ) \hat{y} = f\left(f_1(x), f_2(x), ..., f_B(x)\right) y^=f(f1(x),f2(x),...,fB(x))
其中 f b ( x ) f_b(x) fb(x) 是基础模型的预测， f f f 是用于组合预测的模型。
集成学习的优势
- 准确性：通常比单一模型更准确。
- 鲁棒性：通过组合多个模型，减少了对特定模型偏差的依赖。
- 泛化能力：通常具有更好的泛化能力，减少过拟合风险。
集成学习的关键在于结合多个模型，通过平均或投票等机制，提高对新数据的预测准确性。
代码
python
from sklearn.ensemble import RandomForestClassifier, AdaBoostClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 加载Iris数据集
iris = load_iris()
X, y = iris.data, iris.target
# 分割数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 创建集成模型
# 随机森林
rf_clf = RandomForestClassifier(n_estimators=100, random_state=42)
rf_clf.fit(X_train, y_train)
# AdaBoost
ab_clf = AdaBoostClassifier(n_estimators=100, random_state=42)
ab_clf.fit(X_train, y_train)
# 在测试集上进行预测
rf