1

我正在做一个欺诈分析项目，我需要一些帮助来提升。以前，我使用 SAS Enterprise Miner 来了解有关提升/集成技术的更多信息，并且我了解到提升可以帮助提高模型的性能。

目前，我的团队已经在 Python 上完成了以下模型：朴素贝叶斯、随机森林和神经网络我们希望使用 XGBoost 来提高 F1-score。我不确定这是否可行，因为我只遇到过有关如何自行执行 XGBoost 或 Naive Bayes 的教程。

我正在寻找一个教程，他们将向您展示如何创建朴素贝叶斯模型，然后使用提升。之后，我们可以比较有无提升的指标，看看它是否有所改善。我对机器学习比较陌生，所以我对这个概念可能是错误的。

我想替换 XGBoost 中的值，但不确定要更改哪个值，或者它是否可以以这种方式工作。

朴素贝叶斯

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X_sm,y_sm, test_size = 0.2, random_state=0)

from sklearn.naive_bayes import GaussianNB
from sklearn.metrics import confusion_matrix, confusion_matrix, accuracy_score, f1_score, precision_score, recall_score

nb = GaussianNB()
nb.fit(X_train, y_train)
nb_pred = nb.predict(X_test)

XGBoost

from sklearn.model_selection import train_test_split
import xgboost as xgb
from xgboost import XGBClassifier
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X_sm,y_sm, test_size = 0.2, random_state=0)
model = XGBClassifier(base_score=0.5, booster='gbtree', colsample_bylevel=1,
colsample_bynode=1, colsample_bytree=0.9, gamma=0,
learning_rate=0.1, max_delta_step=0, max_depth=10,
min_child_weight=1, missing=None, n_estimators=500, n_jobs=-1,
nthread=None, objective='binary:logistic', random_state=0,
reg_alpha=0, reg_lambda=1, scale_pos_weight=1, seed=None,
silent=None, subsample=0.9, verbosity=0)

model.fit(X_train, y_train)
y_pred = model.predict(X_test)
predictions = [round(value) for value in y_pred]
4

1 回答 1

6

从理论上讲，使用 scikit-learn 提升任何（基本）分类器都是简单而直接的AdaBoostClassifier。例如，对于朴素贝叶斯分类器，它应该是：

from sklearn.ensemble import AdaBoostClassifier
from sklearn.naive_bayes import GaussianNB

nb = GaussianNB()
model = AdaBoostClassifier(base_estimator=nb, n_estimators=10)
model.fit(X_train, y_train)

等等。

在实践中，我们从不使用朴素贝叶斯或神经网络作为提升的基础分类器（更不用说随机森林，它们本身就是一种集成方法）。

Adaboost（以及后来衍生的类似提升方法，如 GBM 和 XGBoost）是使用决策树（DT）作为基础分类器（更具体地说，决策树桩，即深度仅为 1 的 DT）构思的；如果您没有在上面base_classifier的 scikit-learn 中明确指定参数，那么今天仍然有充分的理由AdaBoostClassifier，它假定值为DecisionTreeClassifier(max_depth=1)，即决策树桩。

DT 适合这种集成，因为它们本质上是不稳定的分类器，而提到的其他算法并非如此，因此后者在用作增强算法的基分类器时不会提供任何东西。

于 2019-10-26T18:06:08.940 回答