xgboost: 分割查找算法:贪婪算法、分桶算法
创始人
2024-05-28 18:33:32
0

1、Basic Exact Greedy Algorithm

树学习的关键问题之一是找到最好的分割,如Eq(7)所示。

贪婪算法:分割查找算法枚举所有特征上的所有可能的分割。精确的贪婪算法如Alg. 1所示。为了高效地完成这一任务,算法必须首先根据特征值对数据进行排序,并按排序顺序访问数据,积累Eq(7)中结构得分的梯度统计量。现有的大多数单个树提升实现都支持精确贪婪算法,如scikit-learn[20]、R的gbm[21]以及XGBoost的单机版本。

Eq(7)在文章:xgboost:算法数学原理_KPer_Yang的博客-CSDN博客
Lsplit=12[(∑i∈ILgi)2∑i∈ILhi+λ+(∑i∈IRgi)2∑i∈IRhi+λ−(∑i∈Igi)2∑i∈Ihi+λ]−γ\mathcal{L}_{split}=\frac{1}{2}\left[\frac{(\sum_{i\in I_L}g_i)^2}{\sum_{i\in I_L}h_i+\lambda}+\frac{(\sum_{i\in I_R}g_i)^2}{\sum_{i\in I_R}h_i+\lambda}-\frac{(\sum_{i\in I}g_i)^2}{\sum_{i\in I}h_i+\lambda}\right]-\gamma Lsplit​=21​[∑i∈IL​​hi​+λ(∑i∈IL​​gi​)2​+∑i∈IR​​hi​+λ(∑i∈IR​​gi​)2​−∑i∈I​hi​+λ(∑i∈I​gi​)2​]−γ
算法的流程如下所示:

在这里插入图片描述

mmm:特征的维度;

sorted(I,byxjk)sorted(I, by \ x_{jk})sorted(I,by xjk​):在特征kkk下的样本特征值进行排序,排序后按照划分点进行特征值划分,计算score。

2、 Approximate Algorithm

精确的贪婪算法非常强大,因为它贪婪地枚举了所有可能的分裂点。然而,当数据太大不能全部放入内存时,全部枚举不能做到。同样的问题也出现在分布式环境中。为了在这两种情况下支持有效的梯度树增强,需要一个近似算法。

**在Alg. 2中,首先根据特征分布的百分位数提出候选分裂点(具体标准将在第3.3节给出)。然后,该算法将连续特征映射到由这些候选点分割的桶中,汇总统计数据,并根据汇总的统计数据在分桶后的数据中找到最佳解决方案。**该算法有两种变体,这取决于给出分桶的时间。在合理的近似水平下,分位数策略可以获得与精确贪婪相同的精度。

  • 全局分桶方法在树构造的初始阶段提出所有候选分割,并在所有级别上使用相同的分割查找分桶。

  • 局部分桶在每次分裂后重新分桶。

在这里插入图片描述

Gkv←=∑j∈{j∣sk,v≥xjk>sk,v−1}gjG_{kv}\leftarrow=\sum_{j\in\{j\mid s_{k,v}\geq\mathbf{x}_{jk}>s_{k,v-1}\}}g_jGkv​←=∑j∈{j∣sk,v​≥xjk​>sk,v−1​}​gj​:按照每个桶计算GGG.

Hkv←=∑j∈{j∣sk,v≥xjk>sk,v−1}hjH_{kv}\leftarrow=\sum_{j\in\{j|s_{k,v}\geq\mathbf{x}_{jk}>s_{k,v-1}\}}h_jHkv​←=∑j∈{j∣sk,v​≥xjk​>sk,v−1​}​hj​:按照每个桶计算HHH.

注:个人理解,分桶其实相当于分裂时就按照每个桶分到左右分支,按照每个桶计算GGG和HHH,而不是一个个样本计算,遍历所有的特征值寻找分裂点。

对比:希格斯10M数据集的AUC收敛性比较。eps参数对应于近似草图的精度。这大致相当于分成1 / eps个桶。相同AUC的情况下,局部分桶需要更少的桶,因为它细化了分裂的候选数据;

在这里插入图片描述

相关内容

热门资讯

农村光伏项目有了碳收益损失险 日前,湖北省首单应用于农村分布式光伏项目的“碳收益损失保险”在武汉市东西湖区东风社区落地。该保险由国...
因康“聚”变,打造温泉康养产业...   王贝艺 报道  要素集聚才能引发产业“聚”变。老龄化的来临,人口结构的变化,近年来人们对健康的重...
党建联建人才赋能活动举行   为庆祝中国共产党成立104周年,深化党建联建工作实效,6月27日下午,牟平区大窑街道与烟台新药创...
中交一航局获两项国家发明专利授...   近日,中交一航局“水下灌注桩与套箱连接结构及其连接方法”获国家知识产权局发明专利授权。该结构箱体...
北京海淀:专项检查夏季食品安全   7月2日,北京市海淀区市场监管局针对辖区内餐饮场所开展夏季食品安全专项检查,严查餐饮企业加工区域...
北京发布消费纠纷行政调解服务规... 本报讯(记者贾珺 万晓东)记者7月3日从北京市市场监管局获悉,《消费纠纷 【下载黑猫投诉客户端】行政...
我国与上合组织成员国贸易额超5...   海关总署2日发布数据显示,2024年,我国与上合组织成员国间贸易额为5125.4亿美元,较上一年...
绿草白衣的执念 热天冷门的温床   在温布尔登,每年的草地赛季伴随着炎炎盛夏一同袭来,如果再在这个等式中加上白色球衣、冷门温床、奶油...
45个1000元小本创业项目 ... 如今,创业项目越来越难找到,人们越来越倾向于小规模投资创业项目。今天我来介绍一下几千元创业的项目,供...
50个适合乡镇做的生意 投资两... 在农村,由于大量人口涌入城市,留在农村的人口普遍较少。然而,集镇周围仍然有大量的人流动。所以,农村能...