在統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)領(lǐng)域，集成方法（ensemble method）使用多種學(xué)習(xí)算法以獲得更好的預(yù)測(cè)性能（相比單獨(dú)使用其中任何一種算法）。和統(tǒng)計(jì)力學(xué)中的統(tǒng)計(jì)集成（通常是無(wú)窮集合）不同，一個(gè)機(jī)器學(xué)習(xí)集成僅由一個(gè)離散的可選模型的離散集合組成，但通常擁有更加靈活的結(jié)構(gòu) [1]。

使用集成的主要?jiǎng)訖C(jī)是在發(fā)現(xiàn)新的假設(shè)，該假設(shè)不一定存在于構(gòu)成模型的假設(shè)空間中。從經(jīng)驗(yàn)的角度看，當(dāng)模型具有顯著的多樣性時(shí)，集成方法傾向于得到更好的結(jié)果 [2]。

動(dòng)機(jī)

在一個(gè)大型機(jī)器學(xué)習(xí)競(jìng)賽的比賽結(jié)果中，最好的結(jié)果通常是由模型的集成而不是由單個(gè)模型得到的。例如，ILSVRC2015 的得分最高的單個(gè)模型架構(gòu)得到了第 13 名的成績(jī)。而第 1 到 12 名都使用了不同類型的模型集成。

我目前并沒(méi)有發(fā)現(xiàn)有任何的教程或文檔教人們?nèi)绾卧谝粋€(gè)集成中使用多種模型，因此我決定自己做一個(gè)這方面的使用向?qū)А?/p>

我將使用 Keras，具體來(lái)說(shuō)是它的功能性 API，以從相對(duì)知名的論文中重建三種小型 CNN（相較于 ResNet50、Inception 等而言）。我將在 CIFAR-10 數(shù)據(jù)集上獨(dú)立地訓(xùn)練每個(gè)模型 [3]。然后使用測(cè)試集評(píng)估每個(gè)模型。之后，我會(huì)將所有三個(gè)模型組成一個(gè)集合，并進(jìn)行評(píng)估。通常按照預(yù)期，這個(gè)集成相比單獨(dú)使用其中任何一個(gè)模型，在測(cè)試集上能獲得更好的性能。

有很多種不同類型的集成：其中一種是堆疊（stacking）。這種類型更加通用并且在理論上可以表征任何其它的集成技術(shù)。堆疊涉及訓(xùn)練一個(gè)學(xué)習(xí)算法結(jié)合多種其它學(xué)習(xí)算法的預(yù)測(cè) [1]。對(duì)于這個(gè)示例，我將使用堆疊的最簡(jiǎn)單的一種形式，其中涉及對(duì)集成的模型輸出取平均值。由于取平均過(guò)程不包含任何參數(shù)，這種集成不需要訓(xùn)練（只需要訓(xùn)練模型）。

本文介紹的集成的簡(jiǎn)要結(jié)構(gòu)

準(zhǔn)備數(shù)據(jù)

首先，導(dǎo)入類和函數(shù)：

1. fromkeras.modelsimportModel,Input

2. fromkeras.layersimportConv2D,MaxPooling2D,GlobalAveragePooling2D,Activation,Average,Dropout

3. fromkeras.utilsimportto_categorical

4. fromkeras.lossesimportcategorical_crossentropy

5. fromkeras.callbacksimportModelCheckpoint,TensorBoard

6. fromkeras.optimizersimportAdam

7. fromkeras.datasetsimportcifar10

9. importnumpyasnp

我使用的數(shù)據(jù)集是 CIFAR-10，因?yàn)楹苋菀渍业皆谶@個(gè)數(shù)據(jù)集上工作得很好的架構(gòu)的相關(guān)論文。使用一個(gè)流行的數(shù)據(jù)集還可以令這個(gè)案例容易復(fù)現(xiàn)。

以下是數(shù)據(jù)集的導(dǎo)入代碼。訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)都已經(jīng)歸一化。訓(xùn)練標(biāo)簽向量被轉(zhuǎn)換成一個(gè) one-hot 矩陣。不需要轉(zhuǎn)換測(cè)試標(biāo)簽向量，因?yàn)樗粫?huì)在訓(xùn)練中使用。

1. (x_train, y_train), (x_test, y_test) = cifar10.load_data()

2. x_train = x_train /255.

3. x_test = x_test /255.

4. y_train = to_categorical(y_train, num_classes=10)

數(shù)據(jù)集由 6 萬(wàn)張 10 個(gè)類別的 32x32 的 RGB 圖像組成。其中 5 萬(wàn)張用于訓(xùn)練/驗(yàn)證，其它 1 萬(wàn)張用于測(cè)試。

1. print('x_train shape: {} |

2. y_train shape: {}\nx_test shape : {} |

3. y_test shape : {}'.format(x_train.shape, y_train.shape, x_test.shape, y_test.shape))

>>> x_train shape: (50000, 32, 32, 3) | y_train shape: (50000, 10)

>>> x_test shape : (10000, 32, 32, 3) | y_test shape : (10000, 1)

由于三個(gè)模型使用的是相同類型的數(shù)據(jù)，定義單個(gè)用于所有模型的輸入層是合理的。

1. input_shape = x_train[0,:,:,:].shape

2. model_input =Input(shape=input_shape)

第一個(gè)模型：ConvPool-CNN-C

第一個(gè)將要訓(xùn)練的模型是 ConvPool-CNN-C[4]。它使用了常見(jiàn)的模式，即每個(gè)卷積層連接一個(gè)池化層。唯一一個(gè)對(duì)一些人來(lái)說(shuō)可能不熟悉的細(xì)節(jié)是其最后的層。它使用的并不是多個(gè)全連接層，而是一個(gè)全局平均池化層（global average pooling layer）。

以下是關(guān)于全局池化層的工作方式的簡(jiǎn)介。最后的卷積層 Conv2D(10，(1，1)) 輸出和 10 個(gè)輸出類別相關(guān)的 10 個(gè)特征圖。然后 GlobalAveragePooling2D() 層計(jì)算這 10 個(gè)特征圖的空間平均（spatial average），意味著其輸出是一個(gè)維度為 10 的向量。之后，對(duì)這個(gè)向量應(yīng)用一個(gè) softmax 激活函數(shù)。如你所見(jiàn)，這個(gè)方法在某種程度上類似于在模型的頂部使用全連接層?？梢栽谶@篇論文 [5] 中查看更多關(guān)于全局池化層的內(nèi)容。

重要事項(xiàng)：不要對(duì)最后的 Conv2D(10，(1，1)) 層的輸出直接應(yīng)用激活函數(shù)，因?yàn)檫@個(gè)層的輸出需要先輸入 GlobalAveragePooling2D()。

1. defconv_pool_cnn(model_input):

3. x =Conv2D(96, kernel_size=(3,3), activation='relu', padding = 'same')(model_input)

4. x =Conv2D(96, (3,3), activation='relu', padding ='same')(x)

5. x =Conv2D(96, (3,3), activation='relu', padding ='same')(x)

6. x =MaxPooling2D(pool_size=(3,3), strides =2)(x)

7. x =Conv2D(192, (3,3), activation='relu', padding ='same')(x)

8. x =Conv2D(192, (3,3), activation='relu', padding ='same')(x)

9. x =Conv2D(192, (3,3), activation='relu', padding ='same')(x)

10. x =MaxPooling2D(pool_size=(3,3), strides =2)(x)

11. x =Conv2D(192, (3,3), activation='relu', padding ='same')(x)

12. x =Conv2D(192, (1,1), activation='relu')(x)

13. x =Conv2D(10, (1,1))(x)

14. x =GlobalAveragePooling2D()(x)

15. x =Activation(activation='softmax')(x)

17. model =Model(model_input, x, name='conv_pool_cnn')

19. returnmodel

用具體例子解釋該模型

1. conv_pool_cnn_model = conv_pool_cnn(model_input)

為了簡(jiǎn)單起見(jiàn)，每個(gè)模型都使用相同的參數(shù)進(jìn)行編譯和訓(xùn)練。其中，epoch 數(shù)等于 20、批尺寸等于 32（每個(gè) epoch 進(jìn)行 1250 次迭代）的參數(shù)設(shè)置能使三個(gè)模型都找到局部極小值。隨機(jī)選擇訓(xùn)練集的 20% 作為驗(yàn)證集。

1. defcompile_and_train(model, num_epochs):

3. model.compile(loss=categorical_crossentropy, optimizer=Adam(), metrics=['acc'])

4. filepath ='weights/'+ model.name +'.{epoch:02d}-{loss:.2f}.hdf5'

5. checkpoint =ModelCheckpoint(filepath, monitor='loss', verbose=0, save_weights_only=True, save_best_only=True, mode='auto', period=1)

6. tensor_board =TensorBoard(log_dir='logs/', histogram_freq=0, batch_size=32)

7. history = model.fit(x=x_train, y=y_train, batch_size=32, epochs=num_epochs, verbose=1, callbacks=[checkpoint, tensor_board], validation_split=0.2)

8. returnhistory

大約需要每 epoch1 分鐘的時(shí)間訓(xùn)練這個(gè)（以及下一個(gè)）模型，我們使用了單個(gè) Tesla K80 GPU。如果你使用的是 CPU，可能需要花較多的時(shí)間。

1. _ = compile_and_train(conv_pool_cnn_model, num_epochs=20)

該模型達(dá)到了大約 79% 的驗(yàn)證準(zhǔn)確率。

ConvPool-CNN-C 驗(yàn)證準(zhǔn)確率和損失

通過(guò)計(jì)算測(cè)試集的誤差率對(duì)模型進(jìn)行評(píng)估。

1. defevaluate_error(model):

2. pred=model.predict(x_test,batch_size=32)

3. pred=np.argmax(pred,axis=1)

4. pred=np.expand_dims(pred,axis=1)# make same shape as y_test

5. error=np.sum(np.not_equal(pred,y_test))/y_test.shape[0]

7. returnerror

8. evaluate_error(conv_pool_cnn_model)

>>> 0.2414

第二個(gè)模型：ALL-CNN-C

下一個(gè)模型，ALL-CNN-C，來(lái)自同一篇論文 [4]。這個(gè)模型和上一個(gè)很類似。唯一的區(qū)別是用步幅為 2 的卷積層取代了最大池化層。再次，需要注意，在 Conv2D(10，(1，1)) 層之后不要立刻應(yīng)用激活函數(shù)，如果在該層之后應(yīng)用了 ReLU 激活函數(shù)，會(huì)導(dǎo)致訓(xùn)練失敗。

1. defall_cnn(model_input):

3. x=Conv2D(96,kernel_size=(3,3),activation='relu',padding='same')(model_input)

4. x=Conv2D(96,(3,3),activation='relu',padding='same')(x)

5. x=Conv2D(96,(3,3),activation='relu',padding='same',strides=2)(x)

6. x=Conv2D(192,(3,3),activation='relu',padding='same')(x)

7. x=Conv2D(192,(3,3),activation='relu',padding='same')(x)

8. x=Conv2D(192,(3,3),activation='relu',padding='same',strides=2)(x)

9. x=Conv2D(192,(3,3),activation='relu',padding='same')(x)

10. x=Conv2D(192,(1,1),activation='relu')(x)

11. x=Conv2D(10,(1,1))(x)

12. x=GlobalAveragePooling2D()(x)

13. x=Activation(activation='softmax')(x)

15. model=Model(model_input,x,name='all_cnn')

17. returnmodel

18. all_cnn_model=all_cnn(model_input)

19. _=compile_and_train(all_cnn_model,num_epochs=20)

該模型收斂到了大約 75% 的驗(yàn)證準(zhǔn)確率。

ConvPool-CNN-C 驗(yàn)證準(zhǔn)確率和損失

由于這兩個(gè)模型很相似，誤差率差別不大。

1. evaluate_error(all_cnn_model)

>>> 0.26090000000000002

第三個(gè)模型：Network In Network CNN

第三個(gè) CNN 是 Network In Network CNN[5]。這個(gè)模型來(lái)自引入了全局池化層的論文。它比之前的兩個(gè)模型更小，因此其訓(xùn)練速度更快。（再提醒一次，不要在最后的卷積層之后使用 ReLU 函數(shù)?。?/p>

相較于在 MLP 卷積層中使用多層感知機(jī)，我使用的是 1x1 卷積核的卷積層。從而需要優(yōu)化的參數(shù)變得更少，訓(xùn)練速度進(jìn)一步加快，并且還獲得了更好的結(jié)果（當(dāng)使用全連接層的時(shí)候無(wú)法獲得高于 50% 的驗(yàn)證準(zhǔn)確率）。該論文中稱，MLP 卷積層中應(yīng)用的函數(shù)等價(jià)于在普通卷積層上的級(jí)聯(lián)跨通道參數(shù)化池化（cascaded cross channel parametric pooling），其中依次等價(jià)于一個(gè) 1x1 卷積核的卷積層。如果這個(gè)結(jié)論有錯(cuò)誤，歡迎指正。

1. defnin_cnn(model_input):

3. #mlpconv block 1

4. x=Conv2D(32,(5,5),activation='relu',padding='valid')(model_input)

5. x=Conv2D(32,(1,1),activation='relu')(x)

6. x=Conv2D(32,(1,1),activation='relu')(x)

7. x=MaxPooling2D((2,2))(x)

8. x=Dropout(0.5)(x)

10. #mlpconv block2

11. x=Conv2D(64,(3,3),activation='relu',padding='valid')(x)

12. x=Conv2D(64,(1,1),activation='relu')(x)

13. x=Conv2D(64,(1,1),activation='relu')(x)

14. x=MaxPooling2D((2,2))(x)

15. x=Dropout(0.5)(x)

17. #mlpconv block3

18. x=Conv2D(128,(3,3),activation='relu',padding='valid')(x)

19. x=Conv2D(32,(1,1),activation='relu')(x)

20. x=Conv2D(10,(1,1))(x)

22. x=GlobalAveragePooling2D()(x)

23. x=Activation(activation='softmax')(x)

25. model=Model(model_input,x,name='nin_cnn')

27. returnmodel

28. nin_cnn_model=nin_cnn(model_input)

這個(gè)模型的訓(xùn)練速度快得多，在我的機(jī)器上每個(gè) epoch 只要 15 秒就能完成。

1. _=compile_and_train(nin_cnn_model,num_epochs=20)

該模型達(dá)到了大約 65% 的驗(yàn)證準(zhǔn)確率。

NIN-CNN 驗(yàn)證準(zhǔn)確率和損失

這個(gè)模型比之前的兩個(gè)模型簡(jiǎn)單得多，因此其誤差率要高一點(diǎn)。

1. evaluate_error(nin_cnn_model)

>>> 0. 0.31640000000000001

三個(gè)模型的集成

現(xiàn)在將這三個(gè)模型組合成一個(gè)集成。

所有三個(gè)模型都被重新實(shí)例化并加載了最佳的已保存權(quán)重。

1. conv_pool_cnn_model=conv_pool_cnn(model_input)

2. all_cnn_model=all_cnn(model_input)

3. nin_cnn_model=nin_cnn(model_input)

5. conv_pool_cnn_model.load_weights('weights/conv_pool_cnn.29-0.10.hdf5')

6. all_cnn_model.load_weights('weights/all_cnn.30-0.08.hdf5')

7. nin_cnn_model.load_weights('weights/nin_cnn.30-0.93.hdf5')

9. models=[conv_pool_cnn_model,all_cnn_model,nin_cnn_model]

集成模型的定義是很直接的。它使用了所有模型共享的輸入層。在頂部的層中，該集成通過(guò)使用 Average() 合并層計(jì)算三個(gè)模型輸出的平均值。

1. defensemble(models,model_input):

3. outputs=[model.outputs[0]formodelinmodels]

4. y=Average()(outputs)

6. model=Model(model_input,y,name='ensemble')

8. returnmodel

9. ensemble_model=ensemble(models,model_input)

不出所料，相比于任何單一模型，集成有著更低的誤差率。

1. evaluate_error(ensemble_model)

>>> 0.2049

其他可能的集成

為了完整性，我們可以查看由兩個(gè)模型組合組成的集成的性能。相比于單一模型，前者有更低的誤差率。

1. pair_A=[conv_pool_cnn_model,all_cnn_model]

2. pair_B=[conv_pool_cnn_model,nin_cnn_model]

3. pair_C=[all_cnn_model,nin_cnn_model]

4. pair_A_ensemble_model=ensemble(pair_A,model_input)

5. evaluate_error(pair_A_ensemble_model)

>>> 0.21199999999999999

1. pair_B_ensemble_model=ensemble(pair_B,model_input)

2. evaluate_error(pair_B_ensemble_model)

>>> 0.22819999999999999

1. pair_C_ensemble_model=ensemble(pair_C,model_input)

2. evaluate_error(pair_C_ensemble_model)

>>>0.2447

結(jié)論

重申一下介紹中的內(nèi)容：每個(gè)模型有其自身的缺陷。使用集成背后的原因是通過(guò)堆疊表征了關(guān)于數(shù)據(jù)的不同假設(shè)的不同模型，我們可以找到一個(gè)更好的假設(shè)，它不在一個(gè)從其構(gòu)建集成的模型的假設(shè)空間之中。

與在大多數(shù)情況下使用單個(gè)模型相比，使用一個(gè)非?；A(chǔ)的集成實(shí)現(xiàn)了更低的誤差率。這證明了集成的有效性。

當(dāng)然，在使用集成處理你的機(jī)器學(xué)習(xí)任務(wù)時(shí)，需要牢記一些實(shí)際的考慮。由于集成意味著同時(shí)堆棧多個(gè)模型，這也意味著輸入數(shù)據(jù)需要前向傳播到每個(gè)模型。這增加了需要被執(zhí)行的計(jì)算量，以及最終的評(píng)估（預(yù)測(cè)）時(shí)間。如果你在研究或 Kaggle 競(jìng)賽中使用集成，增加的評(píng)估時(shí)間并不重要，但是在設(shè)計(jì)一個(gè)商業(yè)化產(chǎn)品時(shí)卻非常關(guān)鍵。另一個(gè)考慮是最后的模型增加的大小，它會(huì)再次成為商業(yè)化產(chǎn)品中集成使用的限制性因素。

參考文獻(xiàn)

1. Ensemble Learning. (n.d.). In Wikipedia. Retrieved December 12, 2017, from https://en.wikipedia.org/wiki/Ensemble_learning

2. D. Opitz and R. Maclin (1999)「Popular Ensemble Methods: An Empirical Study」, Volume 11, pages 169–198 (http://jair.org/papers/paper614.html)

3. Learning Multiple Layers of Features from Tiny Images, Alex Krizhevsky, 2009.

4. Striving for Simplicity: The All Convolutional Net：arXiv:1412.6806v3 [cs.LG]

5. Network In Network：arXiv:1312.4400v3 [cs.NE]