01 集成学习 - 概述、Bagging - 随机森林、袋外错误率
五、特征重要度
作为单个的决策树模型，在模型建立时实际上是寻找到某个特征合适的分割点。这个信息可以作为衡量所有特征重要性的一个指标。
基本思路如下：
如果一个特征被选为分割点的次数越多，那么这个特征的重要性就越强。这个理念可以被推广到集成算法中，只要将每棵树的特征重要性进行简单的平均即可。
分别根据特征1和特征4进行分割，显然x1出现的次数最多，这里不考虑先分割和后分割的情况，只考虑每次分割属性出现的次数。
计算得：
x1的特征重要度：出现在2棵树上，两棵树一共分裂了6次，x1出现了3次。
x1特征重要度 = 3/6 = 1/2
x2的特征重要度= 4/6 = 2/3
x3的特征重要度= 3/6 = 1/2
x4的特征重要度: 出现在1棵树上，一个树分裂了3次，x4出现了1次。
x4的特征重要度= 1/3
根据特征重要度进行特征选择。
六、随机森林RF推广算法
随机森林推广算法的作用不是在于做预测。
RF推广算法在实际应用中占有比较好的特性，应用比较广泛，主要应用在：分类、回归、特征转换、异常点检测等。常见的RF变种算法如下：Extra Tree、Totally Random Tree Embedding(TRTE)、Isolation Forest
1、Extra Tree
Extra Tree是随机森林(RF)的一个变种，原理基本和随机森林一样，区别如下：
1、RF会随机采样来作为子决策树的训练集，而Extra Tree每个子决策树采用原始数据集训练。
2、RF在选择划分特征点的时候会和传统决策树一样，会基于信息增益、信息增益率、基尼系数、均方差等原则来选择最优的特征值。Extra Tree则是随机选择一个特征值来划分决策树。
由于Extra Tree是随机选择特征点进行划分，所以最后得到的决策树规模会大于RF生成的决策树，Extra Tree决策树的方差会减少，泛化能力比RF更强。
2、Totally Random Tree Embedding(TRTE)
TRTE 是一种非监督的数据转化方式。将低维的数据集映射到高维，从而让高维的数据更好得用于分类回归模型。
TRTE的算法的转化过程类似于RF算法，建立T个决策树来拟合数据。当决策树构建完成之后，数据集里的每个数据在T个决策树中叶子节点的位置就固定下来了，将位置信息转换为向量即完成了算法的转换。
有3棵决策树，每棵树都有五个叶子节点： □-□-□-□-□
一个数据 x
划分落入树1的第三个子节点：□-□-■-□-□ => 00100
划分落入树2的第一个子节点：■-□-□-□-□ => 10000
划分落入树3的第五个子节点：□-□-□-□-■ => 00001
数据x的特征映射码：(0,0,1,0,0, 1,0,0,0,0, 0,0,0,0,1)
样本根据TRTE进行转化特征，最后可能得到更高维的数据，也可能得到更低维的数据，如词袋法中的特征有2000个，做完TRTE后只剩下几百个。
经过TRTE转化后的编码可以用于无监督的分类操作，将相似的特征码聚类到一起，最后完成分类的操作。
3、Isolation Forest (IForest)
__IForest__是一种异常点检测算法，使用类似RF的方式来检测异常点。
IForest和RF的区别在于：
1、在随机采样的过程中，一般只需要少量的数据。
2、在进行决策树的构建过程中，IForest会随机选择一个划分特征，并对划分特征随机选择一个划分阈值。
3、IForest的划分深度是比较小的，即max_depth较小。
区分原因：目的是异常点检测，所以只要能够区分出异常即可，不需要大量的数据；此外在异常点检测过程中，一般也不需要太大规模的决策树。
下面说说 __IForest__为什么可以做异常点判断。
__对于异常点的判断：__将测试样本x拟合到T棵决策树上，计算每棵树上该样本的叶子节点的深度ht(x)，从而计算出平均深度h(x)；然后就可以使用下列公式计算样本点x的异常概率值，p(x,m)的取值范围为[0,1]，越接近1，说明异常点概率越大。
分析： 欧拉常数 ζ ≈ 0.57721566490153286060651209。当样本个数m确定的时候，c(m) 是一个定值。所以影响异常点出现的概率-p(x,m)的值，我们只考虑h(x)的取值即可。
h(x)即每棵树上，该样本的叶子节点深度的平均值。h(x)越大说明叶子节点的深度越深，公式右侧 - 2的指数就越小，则说明p(x,m)的值越趋向于0。
结论： 叶子节点的深度越深，异常点的概率越小。树平均深度越浅，说明异常值概率越大。
七、RF随机森林总结
RF的主要优点：
1、训练可以并行化，对于大规模样本的训练具有速度的优势。
2、由于进行随机选择决策树划分特征列表，这样在样本维度比较高的时候，仍然具有比较高的训练性能。
3、可以给出各个特征值的重要性列表。
4、由于存在随机抽样，训练出来的模型方差小，泛化能力强。
5、RF实现简单。
6、对于部分特征的丢失不敏感。
RF的缺点：
1、噪音过大的特征上，容易过拟合。
2、取值比较多的划分特征对RF的决策会产生更大的影响，从而有可能影响模型的效果。