|
8.1 个体与集成 集成学习通过构建并结合多个学习器来完成任务，有时也被称为多分类系统、基于委员会的学习等。 图8.1显示出集成学习的一般结构：先产生一组“个体学习器”，再用某种策略将它们结合起来，个体学习器通常有一个现有的学习算法从训练数据产生，例如决策树实验法、BP神经网络算法等，此时集成中只包含同种类型的个体学习器，例如“决策树集成”中全是决策树，“神经网络集成”中全是神经网络，这样的集成是“同质”的。同质集成中的个体学习器亦称“基学习器”，相应的学习算法称为“基学习算法”。集成也可包含不同类型的个体学习器，例如同时包含决策树和神经网络，这样的集成是“异质”的。异质集成中的个体学习器由不同的学习算法生成，这时就不再是基学习算法；相应的，个体学习器一般不称为基学习器，常称为“组件学习器”或直接称为个体学习器。
图8.1 集成学习示意图 集成学期通过将多个学习器进行结合，常可获得比单一学习器显著优越的泛化性能，这对““弱学习器”尤为明显，因此集成学习的很多理论研究都是针对弱学习器进行的，而基学习器有时也被直接称为弱学习器。但需要注意的是，虽然从理论上来说使用弱学习器集成足以获得好的性能，但在实践中出于种种考虑，例如希望使用较少的个体学习器，或是重用关于常见学习器的一些经验等，人们往往会使用比较强的学习器。 在一般经验中，如果把好坏不等的东西掺到一起，那么通常结果会是比最坏的要好一些，比最好的要坏一些。集成学习把多个学习器结合起来，如何能获得比最好的单一学习器更好的性能呢？ 要获得好的集成个体学习器应该“好而不同”，即个体学习器要有一定的“准确性”、即学习器不能太坏，并且要有“多样性”，即学习器间具有差异。 我们来做个简单的分析，考虑二分类问题
假设集成通过简单投票法结合T个基分类器，若有超过半数的基分类器正确，则集成分类就正确： 假设基分类器的错误率相互独立，则由Hoeffding不等式可知，集成的错误率为 （Hoeffding不等式（https://www./articles/yyu2AnM））上式显示出，随着集成中个体分类器数目T的增大，集成的错误率将指数级下降，最终趋向于零。 然而我们必须注意到，上面的分析有一个关键假设：基学习器的误差相互独立，在现实任务中，个体学习器是为解决同一个问题训练出来的，它们显然不可能独立，事实上，个体学习器的“准确性”和“多样性”本身就存在冲突。一般的，准确性很高之后，要增加多样性就需要牺牲准确性。事实上，如何产生并结合“好而不同”的个体学习器，恰是集成学习研究的核心。 根据个体学习器的生成方式，目前的集成学习方法大致可分为两大类，即个体学习器间存在强依赖关系、必须串行生成的序列化方法，以及学习器间不存在强依赖关系、可同时生成的并行化方法；前者的代表是Boosting，后者的代表是Bagging和“随机森林”（Random Forest） |
|
|
