通過強(qiáng)化學(xué)習(xí)策略進(jìn)行特征選擇

來源：DeepHub IMBA

特征選擇是構(gòu)建機(jī)器學(xué)習(xí)模型過程中的決定性步驟。為模型和我們想要完成的任務(wù)選擇好的特征，可以提高性能。
如果我們處理的是高維數(shù)據(jù)集，那么選擇特征就顯得尤為重要。它使模型能夠更快更好地學(xué)習(xí)。我們的想法是找到最優(yōu)數(shù)量的特征和最有意義的特征。

在本文中，我們將介紹并實現(xiàn)一種新的通過強(qiáng)化學(xué)習(xí)策略的特征選擇。我們先討論強(qiáng)化學(xué)習(xí)，尤其是馬爾可夫決策過程。它是數(shù)據(jù)科學(xué)領(lǐng)域的一種非常新的方法，尤其適用于特征選擇。然后介紹它的實現(xiàn)以及如何安裝和使用python庫(FSRLearning)。最后再使用一個簡單的示例來演示這一過程。

強(qiáng)化學(xué)習(xí)：特征選擇的馬爾可夫決策問題

強(qiáng)化學(xué)習(xí)(RL)技術(shù)可以非常有效地解決像游戲解決這樣的問題。而強(qiáng)化學(xué)習(xí)的概念是基于馬爾可夫決策過程(MDP)。這里的重點不是要深入定義而是要大致了解它是如何運作的，以及它如何對我們的問題有用。

強(qiáng)化學(xué)習(xí)背后的想法是，代理從一個未知的環(huán)境開始。采取行動來完成任務(wù)。在代理在當(dāng)前狀態(tài)和他之前選擇的行為的作用下，會更傾向于選擇一些行為。在每到達(dá)一個新狀態(tài)并采取行動時，代理都會獲得獎勵。以下是我們需要為特征選擇而定義的主要參數(shù):狀態(tài)、行動、獎勵、如何選擇行動首先，狀態(tài)是數(shù)據(jù)集中存在的特征的子集。例如，如果數(shù)據(jù)集有三個特征(年齡，性別，身高)加上一個標(biāo)簽，則可能的狀態(tài)如下:

[] --> Empty set
[Age], [Gender], [Height] --> 1-feature set
[Age, Gender], [Gender, Height], [Age, Height] --> 2-feature set
[Age, Gender, Height] --> All-feature set

在一個狀態(tài)中，特征的順序并不重要，我們必須把它看作一個集合，而不是一個特征列表。

對于動作，我們可以從一個子集轉(zhuǎn)到任何一個尚未探索的特性的子集。在特征選擇問題中，動作就是是選擇當(dāng)前狀態(tài)下尚未探索的特征，并將其添加到下一個狀態(tài)。以下是一些可能的動作：

[Age] -> [Age, Gender]
[Gender, Height] -> [Age, Gender, Height]

下面是一個不可能動作的例子：

[Age] -> [Age, Gender, Height]
[Age, Gender] -> [Age]
[Gender] -> [Gender, Gender]

我們已經(jīng)定義了狀態(tài)和動作，還沒有定義獎勵。獎勵是一個實數(shù)，用于評估狀態(tài)的質(zhì)量。

在特征選擇問題中，一個可能的獎勵是通過添加新特征而提高相同模型的準(zhǔn)確率指標(biāo)。下面是一個如何計算獎勵的例子：

[Age] --> Accuracy = 0.65
[Age, Gender] --> Accuracy = 0.76
Reward(Gender) = 0.76 - 0.65 = 0.11

對于我們首次訪問的每個狀態(tài)，都會使用一組特征來訓(xùn)練一個分類器（模型）。這個值存儲在該狀態(tài)和對應(yīng)的分類器中，訓(xùn)練分類器的過程是費時費力的，所以我們只訓(xùn)練一次。因為分類器不會考慮特征的順序，所以我們可以將這個問題視為圖而不是樹。在這個例子中，選擇“性別”作為模型的新特征的操作的獎勵是當(dāng)前狀態(tài)和下一個狀態(tài)之間的準(zhǔn)確率差值。

在上圖中，每個特征都被映射為一個數(shù)字(“年齡”為1，“性別”為2，“身高”為3)。我們?nèi)绾螐漠?dāng)前狀態(tài)中選擇下一個狀態(tài)或者我們?nèi)绾翁剿鳝h(huán)境呢？

我們必須找到最優(yōu)的方法，因為如果我們在一個有10個特征的問題中探索所有可能的特征集，那么狀態(tài)的數(shù)量將是

10! + 2 = 3 628 802

這里的+2是因為考慮一個空狀態(tài)和一個包含所有可能特征的狀態(tài)。我們不可能在每個狀態(tài)下都訓(xùn)練一個模型，這是不可能完成的，而且這只是有10個特征，如果有100個特征那基本上就是無解了。

但是在強(qiáng)化學(xué)習(xí)方法中，我們不需要在所有的狀態(tài)下都去訓(xùn)練一個模型，我們要為這個問題確定一些停止條件，比如從當(dāng)前狀態(tài)隨機(jī)選擇下一個動作，概率為epsilon(介于0和1之間，通常在0.2左右)，否則選擇使函數(shù)最大化的動作。對于特征選擇是每個特征對模型精度帶來的獎勵的平均值。

這里的貪心算法包含兩個步驟：

1、以概率為epsilon，我們在當(dāng)前狀態(tài)的可能鄰居中隨機(jī)選擇下一個狀態(tài)

2、選擇下一個狀態(tài)，使添加到當(dāng)前狀態(tài)的特征對模型的精度貢獻(xiàn)最大。為了減少時間復(fù)雜度，可以初始化了一個包含每個特征值的列表。每當(dāng)選擇一個特性時，此列表就會更新。使用以下公式，更新是非常理想的：

AORf：特征“f”帶來的獎勵的平均值

K：f被選中的次數(shù)

V(F)：特征集合F的狀態(tài)值(為了簡單描述，本文不詳細(xì)介紹)

所以我們就找出哪個特征給模型帶來了最高的準(zhǔn)確性。這就是為什么我們需要瀏覽不同的狀態(tài)，在在許多不同的環(huán)境中評估模型特征的最全局準(zhǔn)確值。

因為目標(biāo)是最小化算法訪問的狀態(tài)數(shù)，所以我們訪問的未訪問過的狀態(tài)越少，需要用不同特征集訓(xùn)練的模型數(shù)量就越少。因為從時間和計算能力的角度來看，訓(xùn)練模型以獲得精度是最昂貴方法，我們要盡量減少訓(xùn)練的次數(shù)。

最后在任何情況下，算法都會停止在最終狀態(tài)（包含所有特征的集合）而我們希望避免達(dá)到這種狀態(tài)，因為用它來訓(xùn)練模型是最昂貴的。

上面就是我們針對于特征選擇的強(qiáng)化學(xué)習(xí)描述，下面我們將詳細(xì)介紹在python中的實現(xiàn)。

用于特征選擇與強(qiáng)化學(xué)習(xí)的python庫

有一個python庫可以讓我們直接解決這個問題。但是首先我們先準(zhǔn)備數(shù)據(jù)

我們直接使用UCI機(jī)器學(xué)習(xí)庫中的數(shù)據(jù)：

#Get the pandas DataFrame from the csv file (15 features, 690 rows)
australian_data = pd.read_csv('australian_data.csv', header=None)

#DataFrame with the features
X = australian_data.drop(14, axis=1)

#DataFrame with the labels
y = australian_data[14]

然后安裝我們用到的庫

pip install FSRLearning

直接導(dǎo)入

from FSRLearning import Feature_Selector_RL

Feature_Selector_RL類就可以創(chuàng)建一個特性選擇器。我們需要以下的參數(shù)

feature_number (integer): DataFrame X中的特性數(shù)量

feature_structure (dictionary): 用于圖實現(xiàn)的字典

eps (float [0;1]): 隨機(jī)選擇下一狀態(tài)的概率，0為貪婪算法，1為隨機(jī)算法

alpha (float [0;1]): 控制更新速率，0表示不更新狀態(tài)，1表示經(jīng)常更新狀態(tài)

gamma (float[0,1]): 下一狀態(tài)觀察的調(diào)節(jié)因子，0為近視行為狀態(tài)，1為遠(yuǎn)視行為

nb_iter (int): 遍歷圖的序列數(shù)

starting_state (" empty "或" random "): 如果" empty "，則算法從空狀態(tài)開始，如果" random "，則算法從圖中的隨機(jī)狀態(tài)開始

所有參數(shù)都可以機(jī)型調(diào)節(jié)，但對于大多數(shù)問題來說，迭代大約100次就可以了，而epsilon值在0.2左右通常就足夠了。起始狀態(tài)對于更有效地瀏覽圖形很有用，但它非常依賴于數(shù)據(jù)集，兩個值都可以測試。

我們可以用下面的代碼簡單地初始化選擇器：

fsrl_obj = Feature_Selector_RL(feature_number=14, nb_iter=100)

與大多數(shù)ML庫相同，訓(xùn)練算法非常簡單：

results = fsrl_obj.fit_predict(X, y)

下面是輸出的一個例子：

輸出是一個5元組，如下所示：

DataFrame X中特性的索引(類似于映射)

特征被觀察的次數(shù)

所有迭代后特征帶來的獎勵的平均值

從最不重要到最重要的特征排序(這里2是最不重要的特征，7是最重要的特征)

全局訪問的狀態(tài)數(shù)

還可以與Scikit-Learn的RFE選擇器進(jìn)行比較。它將X, y和選擇器的結(jié)果作為輸入。

fsrl_obj.compare_with_benchmark(X, y, results)

輸出是在RFE和FSRLearning的全局度量的每一步選擇之后的結(jié)果。它還輸出模型精度的可視化比較，其中x軸表示所選特征的數(shù)量，y軸表示精度。兩條水平線是每種方法的準(zhǔn)確度中值。

Average benchmark accuracy : 0.854251012145749, rl accuracy : 0.8674089068825909
Median benchmark accuracy : 0.8552631578947368, rl accuracy : 0.868421052631579
Probability to get a set of variable with a better metric than RFE : 1.0
Area between the two curves : 0.17105263157894512

可以看到RL方法總是為模型提供比RFE更好的特征集。

另一個有趣的方法是get_plot_ratio_exploration。它繪制了一個圖，比較一個精確迭代序列中已經(jīng)訪問節(jié)點和訪問節(jié)點的數(shù)量。

由于設(shè)置了停止條件，算法的時間復(fù)雜度呈指數(shù)級降低。即使特征的數(shù)量很大，收斂性也會很快被發(fā)現(xiàn)。下面的圖表示一定大小的集合被訪問的次數(shù)。

在所有迭代中，算法訪問包含6個或更少變量的狀態(tài)。在6個變量之外，我們可以看到達(dá)到的狀態(tài)數(shù)量正在減少。這是一個很好的行為，因為用小的特征集訓(xùn)練模型比用大的特征集訓(xùn)練模型要快。

總結(jié)

我們可以看到RL方法對于最大化模型的度量是非常有效的。它總是很快地收斂到一個有趣的特性子集。該方法在使用FSRLearning庫的ML項目中非常容易和快速地實現(xiàn)。