import numpy as np
import matplotlib.pyplot as plt
import japanize_matplotlib
from sklearn.ensemble import GradientBoostingRegressor

พื้นฐาน Gradient Boosting #

1. สัญชาติญาณ: เติม residual ไปทีละน้อย #

1. เริ่มจากโมเดลง่าย ๆ เช่น ค่าเฉลี่ย
2. คำนวณ residual (ค่าที่เหลือ) ระหว่างคำตอบจริงกับโมเดลปัจจุบัน
3. ฝึก weak learner ตัวใหม่ให้เรียน residual แล้วบวกกลับไปด้วย learning rate
4. ทำซ้ำ ⇒ เหมือนเติมส่วนที่ขาดทีละนิดจนฟิตกับข้อมูล

AdaBoost เน้นเพิ่มน้ำหนักตัวอย่างที่ผิด ส่วน Gradient Boosting ใช้ “กราดิเอนต์ของ loss” เป็นตัวแก้ไข

2. สูตรแบบทั่วไป (กรณี regression) #

ให้ (L = \sum_i \ell(y_i, F(x_i)))

1. โมเดลเริ่มต้น
   (F_0(x) = \arg\min_c \sum_i \ell(y_i, c)) (เช่น ค่าเฉลี่ยเมื่อเป็น squared error)
2. รอบที่ (m):
   • คำนวณ pseudo residual
     (r_{im} = - \left[\frac{\partial \ell(y_i, F(x_i))}{\partial F(x_i)}\right]{F=F{m-1}})
   • ฝึก weak learner (h_m(x)) ด้วย (r_{im})
   • หา step size
     (\rho_m = \arg\min_\rho \sum_i \ell(y_i, F_{m-1}(x_i) + \rho,h_m(x_i)))
   • อัปเดต
     (F_m(x) = F_{m-1}(x) + \nu,\rho_m, h_m(x)) ( (\nu) = learning rate )

3. ตัวอย่าง: ฟิตเส้นโค้งที่ไม่เชิงเส้น #

X = np.linspace(-10, 10, 500)[:, np.newaxis]
noise = np.random.rand(X.shape[0]) * 10
y = (
    (np.sin(X).ravel() + np.cos(4 * X).ravel()) * 10
    + 10
    + np.linspace(-10, 10, 500)
    + noise
)

reg = GradientBoostingRegressor(
    n_estimators=50,
    learning_rate=0.5,
    max_depth=3,
    random_state=42,
)
reg.fit(X, y)
y_pred = reg.predict(X)

plt.figure(figsize=(10, 5))
plt.scatter(X, y, c="k", marker="x", alpha=0.5, label="train data")
plt.plot(X, y_pred, c="r", label="prediction", linewidth=1.2)
plt.legend(); plt.show()

4. เปรียบเทียบ loss #

GradientBoostingRegressor รองรับหลาย loss

• squared_error: ไวต่อ outlier
• absolute_error: ทนต่อ outlier มากกว่า
• huber: ผสมระหว่างสองแบบ
• quantile: ใช้พยากรณ์ช่วง (prediction interval)

โค้ดเดิมมีตัวอย่างการเปรียบเทียบ loss รวมถึงรูปผลลัพธ์

5. เคล็ดลับใช้งาน #

• learning_rate × n_estimators มีความสัมพันธ์กัน: ลด learning_rate แล้วเพิ่มจำนวนรอบเพื่อความนิ่ง
• max_depth ของต้นไม้ย่อย (หรือ max_leaf_nodes) มีผลอย่างมาก ค่า default 3 มักให้ผลดี
• ใช้ early_stopping หรือ validation set เพื่อหยุดเมื่อสกอร์ไม่ดีขึ้น
• เลือก loss ให้ตรงกับข้อมูล: มี outlier เยอะให้ลอง huber หรือ absolute_error
• ข้อมูลจำนวนมากสามารถลอง HistGradientBoostingRegressor, XGBoost, LightGBM เพื่อประสิทธิภาพสูงกว่า

สรุป #

• Gradient Boosting คิดแบบ “เติม residual” โดยใช้กราดิเอนต์ของ loss
• เลือก loss ได้อิสระ ทำให้ใช้ในงานหลากหลาย
• ปรับ learning_rate, n_estimators, depth อย่างระมัดระวัง และใช้ early stopping
• โค้ดใน sklearn ทำให้เริ่มต้นได้เร็ว ก่อนต่อยอดไปยัง XGBoost/LightGBM/CatBoost