首发于数据说
combo:「Python机器学习模型合并工具库」简介

combo:「Python机器学习模型合并工具库」简介

机器学习中的模型合并(model combination)可以通过「合并多个模型达到提升性能与稳定性的目的」。模型合并往往被认为是集成学习(ensemble learning)的一个子领域,但其实也可以被单独拿出来讨论,作为一项实用的性能提升的手段。在绝大部分的机器学习/数据挖掘竞赛中(比如Kaggle),最终获胜的方案都是多个模型的合成体。除此之外,模型合并也常被用于减少数据和模型中的随机性,提高模型的稳定性,详情可以参考:「大部分机器学习算法具有随机性,只需多次实验求平均值即可吗?

为了方便大家对机器学习模型进行合并,我最近开发了一个新的Python工具库「combo」,起这个名字是因为combo代表“点套餐” ,与我们的目的不谋而合 :) combo有以下特点:

  • 包括多种合并方法,从最简单的平均到在Kaggle中常见的Stacking,再到更复杂的Dynamic Classifier Selection(动态分类器选择)。
  • 支持多种不同的场景,包括分类器合并,原始结果(raw score)合并,聚类合并(对聚类结果进行合并),异常检测器(outlier detector)合并。未来或许会支持更多不同的场景。
  • 简单易用且一致的API只需要几行代码就可以完成模型融合,方便评估大量算法。
  • 全面的文档,详细的示例。每个模型都搭配相对应的支持文件,方便学习与使用。
  • 使用JIT和并行化(parallelization)进行优化,加速算法运行及扩展性(scalability),可以处理大量数据。
  • 支持Python 3.5+及主流操作系统:WIN,macOS和Linux,使用CI工具保证代码稳定性。

combo工具库的论文已经被AAAI 2020 demo track paper接收,欢迎来poster session来与我们互动。

1. 工具库概览

combo正处于开发期正处于开发期,现阶段提供了约十余种各类模型/分数合并方法(详见下图),算法介绍可以参考文档中附带的参考文献。同时该工具库也包含了一系列辅助功能,包括数据可视化及对结果进行评估等。

工具库相关的重要信息汇总如下:

combo提供两种非常简单的安装方法。我个人推荐使用pip进行安装:

pip install combo

2. API介绍与实例(API References & Examples)

combo的使用方法和Sklearn很像,绝大部分模型有统一的API。完整的API使用参考可以查阅(API Reference - combo 0.0.5 documentation)。核心的API只有三个:

  • fit(X): 用数据X来“训练/拟合”模型clf。即在初始化clf后,用X来“训练”它。
  • predict(X): 在模型clf被fit后,可以通过该函数来预测未知数据的标签。
  • predict_proba(X): 在模型clf被fit后,预测未知数据属于不同类的概率。

使用其中的算法也很简单,可以参考每个算法对应的例子,所以示例(example)都可以在「示例文件夹」中找到并直接运行,比如Stacking算法的对应例子就叫做classifier_lscp_example.py,非常容易找到。也可以直接从帮助文档中参考示例。

以Stacking模型为例(Stacking可以参考知乎上的文章[1][2]以及Kaggle文章[3]),使用combo,API示例如下:

from combo.models.stacking import Stacking

# 初始化基学习器,包括决策树,K近邻等
classifiers = [DecisionTreeClassifier(), LogisticRegression(),
               KNeighborsClassifier(), RandomForestClassifier(),
               GradientBoostingClassifier()]

clf = Stacking(base_estimators=classifiers)  # 初始化Stacking模型
clf.fit(X_train, y_train) # 拟合训练数据

# 对未知数据进行训练
y_test_labels = clf.predict(X_test)  # 标签预测
y_test_proba = clf.predict_proba(X_test)  # 概率预测

不难看出,combo的API和scikit-learn非常相似,只需要几行就可以训练并在新数据上进行预测。

3. 一点关于模型集成的观察

模型集成到底有多大用,我给大家提供了两个小案例。使用compare_selected_classifiers.py里面的代码,我们先初始化了4个分类器(逻辑回归、高斯朴素贝叶斯、SVM和k近邻),并对比单独使用分类器和合并模型后的结果。下图中上四幅图为单独分类器,下面四幅图为四种模型合并后的结果

combo示例

不难看出,合并后的模型的decision boundary有了显著不同,且模型表现得到了显著提高。因此模型合并是一项非常有效且易行的处理方法,值得大家尝试!

4. 未来计划

现阶段combo正处于火热的开发过程中,除了添加更多的模型外很多后续功能会被逐步添加,比如:

  • 支持GPU运算
  • 支持conda安装
  • 增加中文文档

和以前开发过的PyOD工具库一样,我们也会在合适的时候把相关论文发到Journal of Machine Learning Research (JMLR)上,以吸引更多的用户关注 :)

总结来看,combo或许会成为一款流行的机器学习模型合并工具库。建议大家尝试、关注并参与到combo的开发当中。有鉴于功能可能会不断更新,请以GitHub版本为准。

引用PyOD非常方便,可参考如下:

Zhao, Y., Wang, X., Cheng, C. and Ding, X., 2020. Combining Machine Learning Models and Scores using combo library. Thirty-Fourth AAAI Conference on Artificial Intelligence.

或者

@inproceedings{zhao2020combo,
  title={Combining Machine Learning Models and Scores using combo library},
  author={Zhao, Yue and Wang, Xuejian and Cheng, Cheng and Ding, Xueying},
  booktitle={Thirty-Fourth AAAI Conference on Artificial Intelligence},
  month = {Feb},
  year={2020},
  address = {New York, USA}
}

编辑于 2019-10-25

文章被以下专栏收录