CatBoost排序提升算法 14-5给定的残差目标下选择最优的增量函数 公式解析

公式 14-5 的详细解释

公式 14-5 是 CatBoost 排序提升算法中的一个关键公式，用于找到一个增量函数 $h$ 来优化残差目标。它具体描述了如何在给定的残差目标下选择最优的增量函数。以下是对公式的详细解析：

---

公式 14-5

$$h_t=\arg \underset{h}{\min }\frac{1}{n}\sum _{i=1}^n{\left[g_t(y_i,M_{t-1}(x_i))-h(x_i)\right]}^2$$

---

公式的意义

这个公式是对公式 14-4 的具体实现。在第 $t$ 次迭代中，CatBoost 寻找一个增量函数 $h_t(x)$，使得它能够最小化所有样本的残差平方误差的平均值。

---

公式中的符号解释

1. $h_t(x)$：

   • 第 $t$ 次迭代中学到的增量函数，通常由一棵决策树表示。
   • 增量函数的目标是拟合残差 $g_t$。

2. $\arg {\min }_h$：

   • 表示通过优化找到使目标函数值最小的函数 $h$。

3. $n$：

   • 训练数据的样本总数。

4. $g_t(y_i,M_{t-1}(x_i))$：

   • 表示第 $i$ 个样本在第 $t$ 次迭代中的残差。
   • 残差通常由当前模型预测值 $M_{t-1}(x_i)$ 和目标值 $y_i$ 计算得到：
     $$g_t(y_i,M_{t-1}(x_i))=-\frac{\partial L(y_i,M_{t-1}(x_i))}{\partial M_{t-1}(x_i)}$$
   • $L$ 是损失函数。

5. $h(x_i)$：

   • 增量函数 $h$ 在样本 $x_i$ 上的输出值。

6. ${\left[g_t(y_i,M_{t-1}(x_i))-h(x_i)\right]}^2$：

   • 表示残差 $g_t$ 和增量函数 $h$ 之间的平方误差。

7. $\frac{1}{n}{\sum }_{i=1}^n$：

   • 表示对所有训练样本的平均平方误差。

---

公式的目标

公式 14-5 的核心目标是最小化残差的平方误差。

• 当前模型 $M_{t-1}$ 的预测值可能与目标值 $y$ 存在误差。
• 残差 $g_t$ 是模型在当前阶段的误差表示。
• 通过学习一个增量函数 $h_t$，将其加入到当前模型中，减少残差 $g_t$，从而提升模型的整体预测精度。

具体来说：

1. $g_t(y_i,M_{t-1}(x_i))$ 是目标变量 $y_i$ 与当前模型预测值的误差表示。
2. 增量函数 $h_t(x)$ 是对该误差的拟合。
3. 公式通过最小化所有样本的平方误差，找到最优的 $h_t$。

---

梯度提升的背景

在梯度提升框架中，模型的迭代过程是逐步优化的：

1. 模型预测值更新公式：
   $$M_t(x)=M_{t-1}(x)+\eta h_t(x)$$

   • $M_t(x)$：第 $t$ 次迭代后模型的预测值。
   • $M_{t-1}(x)$：第 $t-1$ 次迭代后模型的预测值。
   • $\eta$：学习率，用于控制增量函数 $h_t(x)$ 的影响。
   • $h_t(x)$：本轮迭代学到的增量函数。

2. 残差的作用：

   • 当前模型 $M_{t-1}(x)$ 的误差由残差 $g_t$ 表示。
   • 通过最小化残差的平方误差，学习增量函数 $h_t(x)$，从而修正模型的预测。

---

公式 14-5 的实现过程

1. 输入：

   • 当前模型 $M_{t-1}(x)$。
   • 训练样本 $(x_i,y_i)$。
   • 损失函数 $L(y,M(x))$。

2. 计算残差 $g_t$：

   • 对每个样本 $(x_i,y_i)$，根据损失函数计算残差：
     $$g_t(y_i,M_{t-1}(x_i))=-\frac{\partial L(y_i,M_{t-1}(x_i))}{\partial M_{t-1}(x_i)}$$
   • 常见损失函数及其残差计算：
     • 均方误差（MSE）：
       $$g_t=M_{t-1}(x_i)-y_i$$
     • 对数损失（LogLoss，用于二分类）：
       $$g_t=p_i-y_i$$
       其中 $p_i=\sigma (M_{t-1}(x_i))$，$\sigma$ 是 sigmoid 函数。

3. 拟合增量函数 $h_t$：

   • 使用当前残差 $g_t$ 作为目标值，拟合一个增量函数 $h_t(x)$。
   • 增量函数通常由一棵决策树表示。

4. 更新模型：

   • 将学到的增量函数加入模型：
     $$M_t(x)=M_{t-1}(x)+\eta h_t(x)$$

---

公式 14-5 的意义

公式 14-5 的意义在于，通过逐步拟合残差来优化模型的预测性能：

1. 逐步优化目标函数：

   • 每一轮迭代中，模型通过学习残差 $g_t$ 的最优拟合，逐步减小模型的误差。

2. 动态调整模型：

   • 随着每次迭代的进行，模型会越来越接近目标值 $y$，从而提升预测性能。

3. 提高模型的鲁棒性：

   • 通过逐步更新模型，而非一次性拟合目标值，减少了过拟合风险。

---

CatBoost 中的特殊之处

1. 排序提升（Ordered Boosting）：

   • 在计算公式 14-5 时，CatBoost 使用排序提升（Ordered Boosting），确保增量函数的学习仅使用当前样本之前的数据，避免信息泄漏。

2. 对称树（Symmetric Trees）：

   • CatBoost 中的增量函数 $h_t(x)$ 由对称树表示，这种树结构能够更高效地拟合残差，同时提高训练速度。

---

例子：计算公式 14-5 的过程

假设我们有以下训练数据：

样本 $i$	特征 $x_i$	目标值 $y_i$	当前预测值 $M_{t-1}(x_i)$
1	1.0	1.0	0.8
2	2.0	0.0	0.3
3	3.0	1.0	0.6

1. 计算残差 $g_t$：

   • 使用均方误差（MSE）作为损失函数：
     $$g_t=M_{t-1}(x_i)-y_i$$
   • 对每个样本：
     • $g_t(y_1)=0.8-1.0=-0.2$
     • $g_t(y_2)=0.3-0.0=0.3$
     • $g_t(y_3)=0.6-1.0=-0.4$

2. 拟合增量函数 $h_t(x)$：

   • 将残差 $g_t$ 作为目标值，使用决策树拟合：
     • 输入：特征 $x_i$ 和目标残差 $g_t$。
     • 输出：决策树 $h_t(x)$。

3. 更新模型：

   • 计算新的预测值：
     $$M_t(x)=M_{t-1}(x)+\eta h_t(x)$$

---

总结

公式 14-5 是 CatBoost 排序提升的核心，用于通过拟合残差优化模型预测性能。关键点包括：

1. 最小化残差平方误差。
2. 逐步优化模型预测值。
3. 避免信息泄漏（通过排序提升）。

原文地址：https://blog.csdn.net/u013172930/article/details/143719462

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！