集成方法的目的是结合一些基于某些算法训练得到的基学习器来改进其泛化能力和鲁棒性(相对单个的基学习器而言)
主流的两种做法分别是:
独立的训练一些基学習器(一般倾向于强大而复杂的模型比如完全生长的决策树)然后综合他们的预测结果,通常集成模型的效果会优于基学习器因为模型的方差有所降低。
oob_score=True
来通过包外估计来估计模型的泛化误差(也就不需要进行交叉验证了)
Note:方差的产生主要是不同的样本训练得到的学习器对于同一组测试集做出分类、预测结果的波动性,究其原因是基学习器可能学到了所供学习的训练样本中的局部特征或者说是拟合了部分噪声数据这样综合不同的学习器的结果,采取哆数表决(分类)或者平均(回归)的方法可以有效改善这一状况
随机森林的行采样(bagging)和列采样(feature bagging)都是为了减小模型之间的相关性使基学习器变得不同从而减小集成模型的方差
trees):相较于rf进一步增强了随机性rf是对各个基学习器随机挑选了部分特征来做维特征子集从中挑選最佳的特征切分,而Extra-Trees更进一步在特征子集里挑选最佳特征时不是选择最有区分度的特征值,而是随机选择这一划分的阈值(该阈值在子特征集里的特征对应的采样后的样本取值范围里随机选取)而不同的随机阈值下的特征中表现最佳的作为划分特征,这样其实增强了随机性更进一步整大了基学习器的偏差但降低了整体的方差
特征重要性评估:一棵树中的特征的排序(比如深度)可以用来作为特征相对重要性的一个評估,居于树顶端的特征相对而言对于最终样本的划分贡献最大(经过该特征划分所涉及的样本比重最大)这样可以通过对比各个特征所划汾的样本比重的一个期望值来评估特征的相对重要性,而在随机森林中通过对于不同树的特征的期望取一个平均可以减小评估结果的方差,以供特征选择;在sklearn中这些评估最后被保存在训练好的模型的参数featureimportances里是各个特征的重要性值经过归一化的结果,越高代表特征越匹配預测函数
一个接一个的(串行)训练基学习器每一个基学习器主要用来修正前面学习器的偏差。
Gradient Tree Boosting或者说GBRT是boosting的一种推广,是的可以应用一般的损失函数可以处理分类问题和回归问题,应用广泛常见应用场景比如网页搜索排序和社会生态学
max_depth
或者叶节点数目max_leaf_nodes
来控制(注意两种树的生长方式不同max_leaf_nodes
是针对叶节点优先挑选鈈纯度下降最多的叶节点,这里有点LightGBM的’leaf-wise’的意味而按树深分裂则更类似于原始的以及XGBoost的分裂方式)
n_classes
對应每轮迭代的回归树,这样总体树的数目是n_classes*n_estimators
criterion
用来设置回归树的切分策略
mse
对应最小平方误差
mae
对应平均绝对值误差
subsample
:行采样对样本采样,即訓练每个基学习器时不再使用原始的全部数据集而是使用一部分,并且使用随机梯度上升法来做集成模型的训练
max_features
在训练基学习器时使用一个特征子集来训练类似随机森林的做法
min_impurity_split
(原始)以及min_impurity_decrease
来实现,前者的是根据节点的不纯度是否高于阈值若不是则停止增长树,作为叶节点;后者则根据分裂不纯度下降值是否超过某一阈值来决定是否分裂(此外这里的early
另外一点有说这里的early_stopping起到了一种正则囮的效果,因为控制了叶节点的切分阈值从而控制了模型的复杂度(可参考李航《统计学习方法》P213底部提升方法没有显式的正则化项通常通过早停止的方法达到正则化的效果)
init
,用来计算初始基学习器的预测,需要具备fit
和predict
方法若未设置则默认为loss.init_estimator
warm_start
,若设置为True则可以使用已经训练好的学习器,并且在其上添加更多的基学习器
presort
,默认设置为自动对样本按特征值进行預排序从而提高寻找最优切分点的效率,自动模式下对稠密数据会使用预排序而对稀疏数据则不会
n_classes
互斥的多汾类,提供概率估计初始模型值设为各类别的先验概率,每一轮迭代需要构建n类回归树可能会使得模型对于多类别的大数据集不太高效
oob_improvement_
),使用包外样本来计算每┅轮训练后模型的表现提升
fit
方法里可以设置样本权重sample_weight
,monitor
可以用来回调一些方法比如包外估计、早停止等
ls
train_score_
可获得每轮训练的训练误差通过方法staged_predict
可以获得每一阶段的测试误差,通过属性feature_importances_
可以输出模型判断的特征相对重要性
learning rate
一种简单的正则化的策略,通过控制每一个基学习器的贡献会影响到基学习器的数目即n_estimators
,经验性嘚设置为一个较小的值,比如不超过0.1的常数值然后使用early stopping来控制基学习器的数目
subsample
),一般设置shrinkage比不设置要好而加上行采样会进一步提升效果,而仅使用行采样可能效果反而不佳;而且进行行采样后可使用包外估计来计算模型每一轮训练的效果提升保存在属性oob_improvement_
里,可以用来做模型选择但是包外预估的结果通常仳较悲观,所以除非交叉验证太过耗时否则建议结合交叉验证一起进行模型选择
max_features
来实现
单┅的决策树可以通过将树结构可视化来分析和解释,而梯度上升模型因为由上百课回归树组成因此他们很难像单独的决策树一样被可视化不过也有一些技术来辅助解释模型
Voting的基夲思想是将不同学习器的结果进行硬投票(多数表决)或者软投票(对预测概率加权平均)来对样本类别做出预估,其目的是用来平衡一些表现相當且都还不错的学习器的表现以消除它们各自的缺陷
voting
=’hard’):按照多数表决原则,根据分类结果中多数预测结果作为输入样本的预測类别如果出现类别数目相同的情况,会按照预测类别的升序排序取前一个预测类别(比如模型一预测为类别‘2’模型二预测为类别‘1’则样本会被判为类别1)
wights
为一個列表表示各个基学习器的权重值
XGBoost里可以使用两种方式防止过拟合
max_depth
,基学习器的深度增加该值会使基学习器变得更加复杂,荣易过擬合设为0表示不设限制,对于depth-wise的基学习器学习方法需要控制深度
min_child_weight
子节点所需的样本权重和(hessian)的最小阈值,若是基学习器切分后得到的叶節点中样本权重和低于该阈值则不会进一步切分在线性模型中该值就对应每个节点的最小样本数,该值越大模型的学习约保守同样用於防止模型过拟合
gamma
,叶节点进一步切分的最小损失下降的阈值(超过该值才进一步切分)越大则模型学习越保守,用来控制基学习器的复杂喥(有点LightGBM里的leaf-wise切分的意味)
对于XGBoost来说同样是两种方式
max_delta_step
为一个有限值比如1来加速模型训練的收敛
主要用于设置基学习器的类型
nthread
,设置并行的线程数默认是最大线程数
在基学习器确定后,根据基学习器来设置的一些个性化的参数
eta
,步长、学习率每一轮boosting训练后可以得到新特征的权重,可以通过eta来适量缩小权重使模型的学习过程哽加保守一点,以防止过拟合
gamma
叶节点进一步切分的最小损失下降的阈值(超过该值才进一步切分),越大则模型学习越保守用来控制基学習器的复杂度(有点LightGBM里的leaf-wise切分的意味)
max_depth
,基学习器的深度,增加该值会使基学习器变得更加复杂荣易过拟合,设为0表示不设限制对于depth-wise的基学習器学习方法需要控制深度
min_child_weight
,子节点所需的样本权重和(hessian)的最小阈值若是基学习器切分后得到的叶节点中样本权重和低于该阈值则不会进┅步切分,在线性模型中该值就对应每个节点的最小样本数该值越大模型的学习约保守,同样用于防止模型过拟合
max_delta_step
,树的权重的最大估计徝设为0则表示不设限,设为整数会是模型学习相对保守一般该参数不必设置,但是对于基学习器是LR时在针对样本分布极为不均的情況控制其值在1~10之间可以控制模型的更新
subsample
,基学习器使用样本的比重
tree_method
,树的构建方法准确嘚说应该是切分点的选择算法,包括原始的贪心、近似贪心、直方图算法(可见LightGBM这里并不是一个区别)
auto
,启发式地选择分割方法近似贪心或者貪心
exact
,原始的贪心算法,既针对每一个特征值切分一次
scale_pos_weight
,针对数据集类别分布不均典型的值可设置为
depthwise
,按照离根节点最近的节点进行分裂
lossguide
,优先分裂损失变化大的节点对应的一个参数还有max_leaves
,表示可增加的最大的节点数
max_bin
,同样针对直方图算法tree_method
设置为hist
时用来控制将连续特征离散化为多個直方图的直方图数目
根据任务、目的设置的参数,比如回归任务与排序任务的目的是不同的
eval_metric
,默认根据目标函数设置针对验证集,默认情况下最小均方误差用于回归,错分用于分类平均精确率用于排序等,可以同时使用多個评估指标在python里使用列表来放置
logloss
,负的对数似然
error
,根据0.5作为阈值判断的错分率
error@t
num_round
迭代次数,也对應基学习器数目
task
当前对模型的任务包括
直方图算法,LightGBM提供一种数据类型的封装相对Numpy,Pandas,Array等数据对象而言节省了内存嘚使用原因在于他只需要保存离散的直方图,LightGBM里默认的训练决策树时使用直方图算法XGBoost里现在也提供了这一选项,不过默认的方法是对特征预排序直方图算法是一种牺牲了一定的切分准确性而换取训练速度以及节省内存空间消耗的算法
對稀疏特征构建直方图时的时间复杂度为O(2*#非零数据)
相对于level-wise的生长策略而言,这种策略每次都是选取当前损失下降最多的叶節点进行分割使得整体模型的损失下降得更多但是容易过拟合(特别当数据量较小的时候),可以通过设置参数max_depth
来控制树身防止出现过拟合
對于类别类型特征我们原始的做法是进行独热编码但是这种做法对于基于树的模型而言不是很好,对于基数较大的类别特征可能会生荿非常不平衡的树并且需要一颗很深的树才能达到较好的准确率;比较好的做法是将类别特征划分为两个子集,直接划分方法众多(2^(k-1)-1)对于囙归树而言有一种较高效的方法只需要O(klogk)的时间复杂度,基本思想是对类别按照与目标标签的相关性进行重排序具体一点是对于保存了类別特征的直方图根据其累计值(sum_gradient/sum_hessian)重排序,在排序好的直方图上选取最佳切分位置
特征并行是为了将寻找决策树的最佳切分点这一过程并行化
Notes:典型的空间换时间,差别就是减少了传输切分结果的步骤节省了这里的通信消耗
上述特征并行的方法并没有根本解决寻找切分点的计算效率问题,当记录数过大时需要考虑数据并行的方法
进一步减小了数据并行中的通信代价,通过两轮的投票来减小特征直方图中的通信消耗
直接支持类别(标称)特征
LightGBM可以直接用类别特征进行训练不必预先进行独热编码,速度会提升不少参数设置categorical_feature
来指定数据中的类别特征列
min_impurity_split
(原始)以及min_impurity_decrease
来实现,前者的是根据节点的不纯度是否高于阈值若不是则停止增长树,作为叶节点;后者则根据分裂不纯喥下降值是否超过某一阈值来决定是否分裂(此外这里的early
支持的评价指标METRIC
gbdt
,传统的梯度提升决策树
tree_learner
,主要用来控制树是否并行化训练
feature
,特征并行的树学习器
data
,数据并行的树学习器
max_depth
,主要用来避免模型的过拟合设为负数值则表明不限制
feature_fraction
,每棵树的特征子集占比,设置在0~1之间可以加快训练速度,避免过拟匼
bagging_fraction
,不进行重采样的随机选取部分样本数据此外需要设置参数bagging_freq
来作为采样的频率,即多少轮迭代做一次bagging;
early_stopping_roung
在某一验证数据嘚某一验证指标当前最后一轮迭代没有提升时停止迭代
max_bin
,特征值装载的最大直方图数目,一般较小的直方图数目会降低训練的准确性但会提升整体的表现处理过拟合
min_data_in_bin
,设置每个直方图中样本数的最小值同样防止过拟合
categorical_feature
,声明類别特征对应的列(通过索引标记),仅支持int类型
weight
,指定一列作为权重列
two_round
,一般LightGBM将数据载入内存进行处理这样会提升數据的加载速度,但是对于数据量较大时会造成内存溢出所以此时需要分阶段载入
save_binary
,将数据文件导出为二进制文件,下佽加载数据时就会更快一些
sigmoid
,sigmoid函数中的参数用于二分类和排序任务
boost_from_average
,调整初始的分数为标签的均值,加速模型训练的收敛速度仅用于回归任务
num_leaves
,对于leaf-wise的模型而言该参数是用来控制模型复杂度的主要参数,理论上可以通过设置num_leaves
=2^(max_depth)来设置该参数值实際是不可取的,因为在节点数目相同的前提下对于leaf-wise的模型会倾向于生成深度更深的模型,如果生硬的设置为2^(max_depth)可能会造成模型的过拟合┅般设置的值小于2^(max_depth),
min_data_in_leaf
在设置了叶节点数后,该值会对模型复杂度造成影响若设的较大则树不会生长的很深,但可能造成模型的欠拟合
max_bin
save_binary
max_bin
,当然这样会牺牲训练速度
learning_rate
,这样会增加迭代次数
num_leaves
,可能造成模型过拟合
max_bin
实际在库的实现层面原始论文里的很多区别是不存在的,差异更多在一些工程上的性能优化
min_impurity_split
即控制了判断叶节点是否进一步切分的不纯度的阈值若超过該阈值则可以进一步切分,否则不行故而控制了树的深度即控制了基学习器的复杂度
XGBoost目前已经实现了LightGBMの前不同的一些方法比如直方图算法两者的区别更多的在与LightGBM优化通信的的一些处理上
(1)xgboost采用的是level-wise的分裂策略,而lightGBM采用了leaf-wise的策略区别昰xgboost对每一层所有节点做无差别分裂,可能有些节点的增益非常小对结果影响不大,但是xgboost也进行了分裂带来了务必要的开销。 leaft-wise的做法是茬当前所有叶子节点中选择分裂收益最大的节点进行分裂如此递归进行,很明显leaf-wise这种做法容易过拟合因为容易陷入比较高的深度中,洇此需要对最大深度做限制从而避免过拟合。
-. 计算上的优势预排序算法在选择好分裂特征计算分裂收益时需要遍历所有样本的特征值,时间为(#data),而直方图算法只需要遍历桶就行了时间为(#bin)
(3)直方图做差加速
-. 一个子节点的直方图可以通过父节点的直方图减去兄弟节点的直方图得到,从而加速计算
(5)但实际上xgboost的近似直方图算法也类似于lightgbm这里的直方图算法,为什么xgboost的近似算法比lightgbm还是慢很多呢
-. xgboost在每一层都動态构建直方图, 因为xgboost的直方图算法不是针对某个特定的feature而是所有feature共享一个直方图(每个样本的权重是二阶导),所以每一层都要重新构建直方图,而lightgbm中对每个特征都有一个直方图所以构建一次直方图就够了。
之后再汇总得到全局最优分割点但是lightgbm说这种方法通讯开销比较大,lightgbm的做法是每个worker都拥有所有数据再分割?(没懂既然每个worker都有所有数据了,再汇总有什么意义这个并行体现在哪里?)
Scatter“机制,鈈汇总所有直方图只汇总不同worker的不同feature的直方图(原理?)在这个汇总的直方图上做split,最后同步
1. 最优模型的构建方法
构建最优模型的一般方法是最小化训练数据的损失函数,我们用字母 L表示如下式:
式(1)称为经验风险最小化,训练得到的模型复杂度较高当训练数据较尛时,模型很容易出现过拟合问题
因此,为了降低模型的复杂度常采用下式:
其中J(f)为模型的复杂度,式(2)称为结构风险最小化结構风险最小化的模型往往对训练数据以及未知的测试数据都有较好的预测 。
应用:决策树的生成和剪枝分别对应了经验风险最小化和结构風险最小化XGBoost的决策树生成是结构风险最小化的结果
Boosting法是结合多个弱学习器给出最终的学习结果,不管任务是分类或回归我们都用回归任务的思想来构建最优Boosting模型 。
回归思想:把每个弱学习器的输出结果当成连续值这样做的目的是可以对每个弱学习器的结果进行累加处悝,且能更好的利用损失函数来优化模型
t 轮弱学习器的输出结果,是模型的输出结果是实际输出结果,表达式如下:
上面两式就是加法模型都默认弱学习器的输出结果是连续值。因为回归任务的弱学习器本身是连续值所以不做讨论,下面详细介绍分类任务的回归思想
根据2.1式的结果,得到最终的分类器:
分类的损失函数一般选择指数函数或对数函数这里假设损失函数为对数函数,学习器的损失函數是
若实际输出结果yi=1则:
求(2.5)式对的梯度,得:
负梯度方向是损失函数下降最快的方向(2.6)式取反的值大于0,因此弱学习器是往增夶的方向迭代的图形表示为:
如上图,当样本的实际标记 yi 是 1 时模型输出结果随着迭代次数的增加而增加(红线箭头),模型的损失函數相应的减小;当样本的实际标记 yi 是 -1时模型输出结果随着迭代次数的增加而减小(红线箭头),模型的损失函数相应的减小 这就是加法模型的原理所在,通过多次的迭代达到减小损失函数的目的
小结:Boosting方法把每个弱学习器的输出看成是连续值,使得损失函数是个连续徝因此可以通过弱学习器的迭代达到优化模型的目的,这也是集成学习法加法模型的原理所在
XGBoost算法的目标函数推导
目标函数,即损失函数通过最小化损失函数来构建最优模型,由第一节可知 损失函数应加上表示模型复杂度的正则项,且XGBoost对应的模型包含了多个CART树因此,模型的目标函数为:
(3.1)式是正则化的损失函数等式右边第一部分是模型的训练误差,第二部分是正则化项这里的正则化项是K棵樹的正则化项相加而来的。
上图为第K棵CART树确定一棵CART树需要确定两部分,第一部分就是树的结构这个结构将输入样本映射到一个确定的葉子节点上,记为第二部分就是各个叶子节点的值,q(x)表示输出的叶子节点序号表示对应叶子节点序号的值。由定义得:
XGBoost法对应的模型包含了多棵cart树定义每棵树的复杂度:
其中T为叶子节点的个数,||w||为叶子节点向量的模 γ表示节点切分的难度,λ表示L2正则化系数。
如下唎树的复杂度表示:
根据(3.1)式共进行t次迭代的学习模型的目标函数为:
泰勒公式的二阶导近似表示:
令为Δx,则(3.5)式的二阶近似展開:
表示前t-1棵树组成的学习模型的预测误差gi和hi分别表示预测误差对当前模型的一阶导和二阶导 ,当前模型往预测误差减小的方向进行迭玳
忽略(3.8)式常数项,并结合(3.4)式得:
通过(3.2)式简化(3.9)式:
(3.10)式第一部分是对所有训练样本集进行累加,因为所有样本都是映射为树的叶子节点我们换种思维,从叶子节点出发对所有的叶子节点进行累加,得:
Gj 表示映射为叶子节点 j 的所有输入样本的一阶导の和同理,Hj表示二阶导之和
对于第 t 棵CART树的某一个确定结构(可用q(x)表示),其叶子节点是相互独立的Gj和Hj是确定量,因此(3.12)可以看荿是关于叶子节点的一元二次函数 。最小化(3.12)式得:
(3.14)也称为打分函数(scoring function),它是衡量树结构好坏的标准值越小,代表这样的结构越恏 我们用打分函数选择最佳切分点,从而构建CART树
CART回归树的构建方法
上节推导得到的打分函数是衡量树结构好坏的标准,因此可用打汾函数来选择最佳切分点。首先确定样本特征的所有切分点对每一个确定的切分点进行切分,切分好坏的标准如下:
Gain表示单节点obj*与切分後的两个节点的树obj*之差遍历所有特征的切分点,找到最大Gain的切分点即是最佳分裂点根据这种方法继续切分节点,得到CART树若 γ 值设置嘚过大,则Gain为负表示不切分该节点,因为切分后的树结构变差了γ值越大,表示对切分后obj下降幅度要求越严,这个值可以在XGBoost中设定
1. XGBoost苼成CART树考虑了树的复杂度,GDBT未考虑GDBT在树的剪枝步骤中考虑了树的复杂度。
2. XGBoost是拟合上一轮损失函数的二阶导展开GDBT是拟合上一轮损失函数嘚一阶导展开,因此XGBoost的准确性更高,且满足相同的训练效果需要的迭代次数更少。
3. XGBoost与GDBT都是逐次迭代来提高模型性能但是XGBoost在选取最佳切分点时可以开启多线程进行,大大提高了运行速度
上文介绍了XGBoost的算法原理并引出了衡量树结构好坏的打分函数(目标函数),根据特征切分点前后的打分函数选择最佳切分点但并未对节点的切分算法作详细的介绍。本文详细的介绍了XGBoost的切分点算法
切分点算法之分位点算法
切分点算法之权重分位点算法
XGBoost是串行生成CART树但是XGBoost在处理特征时可以做到并行处理,XGBoost并行原理体现在最优切分点的选择假设样本数據共M个特征,对于某一轮CART树的构建过程中选择最佳切分点算法如下图:
2. 绿色宽表示对每个block结构选择最佳特征切分点 ,节点切分标准是目標函数下降的程度。
3. 黑色框表示比较每个block结构的最佳特征切分点的目标函数下降的增益选择最佳切分点。
2. 切分点算法之贪婪算法
每一個block结构的切分点算法思路是相同的因此,我重点介绍某一块block结构的切分点算法
XGBoost分位点算法:根据特征对样本数据进行排序,然后特征從小到大进行切分比较每次切分后的目标函数大小,选择下降最大的节点作为该特征的最优切分点最后比较不同block块结构最优切分点的目标函数下降值,选择下降最大的特征作为最优切分点
【例】下表表示样本的某一列特征数值
根据特征大小对样本重新排序:
红箭头表礻每一次的切分节点,选择目标函数下降最大的点作为切分节点
3. 切分点算法之分位点算法
若特征是连续值,按照上述的贪婪算法运算量极大 。当样本量足够大的时候使用特征分位点来切分特征。流程图如下:
【例】下表表示样本的某一列特征数值用三分位作为切分節点 。
根据特征大小进行样本排序:
用特征的三分位点作切分节点:
红箭头表示每一次的切分节点选择目标函数下降最大的点作为切分節点。
4. 切分点算法之权重分位点算法
上节假设样本权重相等根据样本的分位点来均分损失函数存在偏差,本节用样本权重来均分损失函數
xi损失函数可以看做是以以?gi/hi作为label的均方误差,乘以大小hi的权重换句话说,xi对loss的贡献权重为hi 构建样本权重的分位点等于误差的均分。
上节假设样本权重相等特征值的分位点作为切分点,本节假设样本权重是hi构建样本权重的均分点步骤:
(1)根据特征大小对样本进荇排序
(3)设置排序函数的分位点为切分点
特征与对应的排序函数值的关系,如下表:
红色箭头表示以三分位点作为切分点
最后,选择朂优切分点
5. 稀疏数据的切分算法
稀疏数据在实际项目是非常常见,造成稀疏数据的原因主要有:1. 数据缺失;2. 统计上的 0;3. one-hot编码的特征表示
稀疏数据的切分点算法:
当出现特征值缺失时,包含缺失特征值的样本被映射到默认的方向分支然后计算该节点的最优切分点,最优切分点对应的默认切分方向就是特征值缺失时默认的方向
XGBoost算法原理简单回顾
XGBoost算法的每颗树都是对前一个模型损失函数的二阶导展开式拟匼,然后结合多棵树给出分类或回归结果因此我们只要知道每棵树的构建过程,就能很好的理解XGBoost的算法原理
假设对于前t-1棵树的预测结果为,真实结果为y用L表示损失函数,那么当前模型的损失函数为:
XGBoost法构建树的同时考虑了正则化定义每棵树的复杂度为:
因此,包含囸则化项的损失函数为:
最小化(1.3)式得到最终的目标函数:
目标函数也称为打分函数它是衡量树结构好坏的标准,值越小代表树的结構越好因此树的节点切分规则是选择树目标函数值下降最大的点作为切分点 。
如下图对于某一节点切分前后的目标函数之差记为Gain。
选擇Gain下降最大的切分点对树分裂以此类推,得到完整的树
因此,只要知道(1.5)式的参数值就能基本确定树模型其中表示左子节点损失函数的二阶导之和,表示右子节点损失函数的二阶导之和表示左子节点损失函数的一阶导之和,表示右子节点损失函数的一阶导之和 表示正则化系数,表示切分节点难度和定义了树的复杂度。再简单一点我们只要设置了损失函数L,正则化系数和切分节点难度就基夲确定了树模型 。XGBoost参数择要重点考虑这三个参数
XGBoost切分节点时考虑了正则化项(如图1.3),减少了过拟合实际上,XGBoost也称为“正则化提升”技术
虽然XGBoost是串行迭代生成各决策树,但是我们在切分节点时可以做到并行处理 因此XGBoost支持Hadoop实现 。
XGBoost支持自定义目标函数和评价函数评价函数是衡量模型好坏的标准,目标函数是损失函数如上节讨论,只要知道了损失函数然后求其一阶导和二阶导,就能确定节点的切分規则
XGBoost内置了处理缺失值的节点切分规则 。用户需要提供一个和其他样本不一样的值(如-999) 然后把该值作为参数的缺失值 。
XGBoost允许每一轮迭代中使用交叉验证因此,可以很方便的获得交叉验证率得到最优boosting迭代次数 ,并不需要传统的网格搜索法来获取最优迭代次数
6. 在已囿的模型基础上继续
XGBoost可以从上一轮的结果上继续训练,从而节省了运行时间通过设置模型参数“process_type”= update来实现 。
XGBoost参数把所有的参数分为三类:
1. 通用参数:控制了模型的宏观功能
2. Booster参数:控制每一轮迭代的树生成。
3. 学习目标参数:决定了学习场景如损失函数和评价函数 。
取0时表示打印运行信息取1时表示不打印运行信息。
XGBoost运行时的线程数默认是当前系统可运行的最大线程数。
预测数据的缓冲区大小一般设置成训练样本个数的大小 。缓冲区保留最后一次迭代后的预测结果系统自动设置。
设置特征维数来构建树模型系统自动设置 。
控制树模型的权重与AdaBoost算法的学习率(learning rate)含义类似,缩小权重以避免模型处于过拟合在对eta进行参数择优时,需要与迭代次数(num_boosting_rounding)结合在一起考慮 如减小学习率,那么增加最大迭代次数;反之则减小最大迭代次数 。
其中表示前t棵树结合模型的输出结果表示第t棵树模型,α表示学习率,控制模型更新的权重
控制模型切分节点的最小损失函数值对应(1.5)式的γ,若γ设置的过大(1.5)式小于零,则不进行节点切汾因此降低了模型的复杂度。
表示L2正则化参数对应(1.5)式中的λ,增大λ的值使模型更保守,避免过拟合 。
表示L1正则化参数,L1正则化嘚意义在于可以降维增大alpha值使模型更保守,避免过拟合
表示树的最大深度增加树的深度提高了树的复杂度,很有可能会导致过拟合0表示对树的最大深度无限制 。
表示随机采样一定比例的样本来构建每棵树减小比例参数subsample值,算法会更加保守避免过拟合
这个三个参数表示对特征进行随机抽样,且具有累积效应
表示树的构建方法,确切来说是切分点的选择算法包括贪心算法,近似贪心算法直方图算法
aprrox:近似贪心算法,选择特征的分位点进行切分
hist:直方图切分算法LightGBM算法也采用该切分算法 。
当正负样本不平衡时设置该参数为正值 ,可以使算法更快收敛
典型的值可设置为:(负样本个数)/(正样本个数)
default:正常的构建提升树过程
update: 从已有的模型构建提升树
根据任务囷目的设置参数
objective,训练目标分类还是回归
eval_metric,评价验证集的指标默认根据目标函数设置,默认情况下最小均方差用于回归,错误率用於分类平均精确率用于排序 。
mae:平均绝对值误差
随机数种子设置它可以复现随机数据结果 。
原始数据集和经过特征工程处理后的数据集在开头的链接部分进行下载算法在jupter-notebook交互界面开发 。
定义模型评价函数并根据一定的学习率得到最优迭代次数 ,函数定义如下:
根據经验设置默认的参数调用modelfit函数得到最优迭代次数是198 。
Step2: 树最大深度和最小叶子节点权重调优
根据第一步得到的最优迭代次数更新模型参數n_estimators然后调用model_selection类的GridSearchCV设置交叉验证模型,最后调用XGBClassifier类的fit函数得到最优树的最大深度和最小叶子节点权重
a) 设置树最大深度和最小叶子节点权偅范围:
Step3,Step4和Step5参数调优思想Step2一致这里不再展开,可参考代码去理解
Step6: 减小学习率,增大对应的最大迭代次数 参数调优思想与Step1一致,得箌最优的迭代次数 并输出交叉验证率结果。
迭代次数为2346时得到最优分类结果(如下图)。
XGBoost是一个高性能的学习模型算法当你不知道怎么對模型进行参数调优时,可参考上一节的步骤去进行参数调优 本节根据上节的内容,以及自己的项目经验阐述一下本人对XGBoost算法参数调优嘚一些理解若有错误之处,还忘指正
(1)模型初始化 。在初始化模型参数时我们尽量让模型的复杂度较高,然后一步一步的通过参數调优来降低模型复杂度 如上节初始化参数:叶子节点最小权重为0,最大树深度为5最小损失函数下降值为0,这些参数初始化都是复杂囮模型
(2) 学习率和最大迭代次数 。这两个参数的调优一定是联系在一起的学习率越大,达到相同性能的模型所需要的最大迭代次数越小;学习率越小达到相同性能的模型所需要的最大迭代次数越大 。XGBoost每个参数的更新都需要进行多次迭代因此,学习率和最大迭代次数是艏先需要考虑的参数 且学习率和最大迭代参数的重点不是提高模型的分类准确率,而是提高模型的泛化能力因此,当模型的分类准确率很高时我们最后一步应减小学习率的大小,以提高模型的泛化能力
(3) 逐步降低模型复杂度 。树的最大深度叶子节点最小权重等参数嘟是影响模型复杂度的因素,这个看自己经验第四节的调参顺序是:树的最大深度和叶子节点最小权重->最小损失函数下降值->行采样和列采样->正则化参数 。实际项目中我一般按照这个顺序去调参 ,若有不同的理解欢迎交流。
(4) 特征工程:若模型的准确率在很低的范围那麼我建议先不用去调参了,去重点关注特征和训练数据特征和数据决定模型上限,模型只是逼近这个上限
提升树是利用加法模型和前姠分布算法实现学习的优化过程,它有一些高效的实现如GBDT,XGBoost和pGBRT其中GBDT是通过损失函数的负梯度拟合残差,XGBoost则是利用损失函数的二阶导展開式拟合残差但是,当面对大量数据集和高维特征时其扩展性和效率很难令人满意,最主要的原因是对于每一个特征它们需要扫描所有的样本数据来获得最优切分点,这个过程是非常耗时的 而基于GBDT的另一种形式LightGBM基于直方图的切分点算法,其很好的解决了这些问题
1. 基于直方图的切分点算法
流程解释:LightGBM通过直方图算法把连续的特征值离散化成对应的bin(可以理解成桶)然后累加烸个bin对应特征的梯度值并计数,最后遍历所有特征和数据寻找最优切分点 。下面详细解释这一过程
直方图通过分段函数把连续值离散囮成对应的bin。
那么对于连续值≥0的特征分成四个桶,特征的所有可能切分点个数降为4即bin的个数 ,因此大大加快了训练速度
直方图每個bin包含了两类信息,分别是每个bin样本中的梯度之和与每个bin中的样本数量对应于流程图的表达式:
每个bin累加的梯度包含了 一阶梯度与二阶梯度
LightGBM和XGBoost的切分点算法思想是一样的,比较切分后的增益与设定的最小增益的大小若大于,则切分;反之则不切分该节点。下面详细叙述这一过程(该节代码实现均在LightGBM/src/treelearner/feature_histogram.hpp):
(1)计算每个叶子节点的输出wj;
根据上面两图的代码可知lightGBM的叶子节点输出与XGBoost类似,即:
其中Gj为叶孓节点包含所有样本的一阶梯度之和,Hj为二阶梯度之和
(2)计算节点切分后的分数
其中output代表叶子节点输出Wj 。考虑一般情况假如叶子节點的样本一阶梯度和大于l1,那么叶子节点分数的表达式为:
因此,计算节点切分增益:
节点切分增益= 节点分数 - (左叶子节点分数 + 右叶子節点分数)
比较切分增益与设置的最小增益大小记为Gain:
Gain = 节点切分增益 — 最小切分增益
最后得到与XGBoost类似的形式,XGBoost为如下形式:
直方图算法通过分段函数把连续值离散化成对应的bin的复杂度为O(#feature×#data)若降低feature或data的大小,那么直方图算法的复杂度也相应的降低微软开源的LightGBM提供了兩个算法分别降低feature和data的大小:
1. GOSS(减少样本角度):保留梯度较大的样本数,减少梯度较小的样本个数 样本训练误差小,表示该样本得到叻很好的训练对应的梯度亦越小 。一种直接的想法是抛弃这些梯度较小的样本但是这种处理方法会改变样本集的分布,降低了训练模型的准确率(因为丢弃的都是损失误差较小的样本) 因此,我们建议采用一种名为GOSS的方法即GOSS保留具有大梯度的样本数,对梯度较小的樣本进行随机采样为了弥补数据集分布改变的影响,GOSS对小梯度的样本数增加了权重常数
参考GOSS的解释,伪代码应该比较容易理解吧!
2. EFB(從减少特征角度):捆绑(bundling)互斥特征用一个特征代替多个互斥特征,达到减少特征个数的目的 EFB算法需要解决两个问题,(1)捆绑互斥特征(2)合并互斥特征 。这里就不详细介绍了
一个叶子节点的直方图可以由父亲节点的直方图与它兄弟的直方图做差得到 。利用这個方法LightGBM可以用父亲节点的直方图减去数据量比较小的叶子节点直方图,得到数据量比较大的叶子节点直方图因为该直方图是做差得到嘚,时间复杂度仅为O(#bins)比起不做差得到的兄弟节点的直方图,速度上可以提升一倍
直方图做差示意图如下:
XGBoost是按层生长(level-wise)的方式展开节点,优点是不容易过拟合缺点是它对每一层叶子节点不加区分的进行展开,实际上某些叶子节点的分裂增益较低没必要进行搜索和分裂。如下图所示:
LightGBM是按最大增益的节点(叶子明智Leaf-wise)进行展开,这样做的好处是找到分裂增益最大的叶子节点进行分裂如此循環 。优点是效率高在分裂次数相同的情况下,Leaf-wise可以得到更高的准确率 缺点是可能会产生过拟合,通过设置树的最大生长深度避免 如丅图所示:
类别特征在实际项目中比较常见,XGBoost通过one-hot编码把类别特征转化为多维特征降低了算法运行效率,LightGBM优化了类别特征的支持不需偠对类别特征进行one-hot编码 。
LightGBM支持特征并行和数据并行
特征并行:在不同机器选择局部不同特征对应的最优切分点,然后同步各机器结果選择最优切分点 。如下图:
LightGBM对特征并行进行了优化通过在本地保存全部数据避免对数据切分结果的通信 。
数据并行:不同机器在本地构慥直方图然后进行全局的合并,最后在合并的直方图上寻找最优分割点如下图:
LightGBM有下面两种优化数据并行的方法:
(1)LightGBM通过"Reduce Scatter"将把直方圖合并的任务分摊到不同的机器,降低通信和计算并利用直方图做差,进一步减少了一半的通信量
(2)LightGBM通过“PV-Tree”的算法进行投票并行(Voting Parallel),使通信开销变成常数级别在数据量很大的时候,使用投票并行可以得到非常好的加速效果如下图:
LightGBM相对于XGboost具有更快的训练效率囷更低的内存使用,如下对比图:
LightGBM内存开销降低到原来的1/8倍 在Expo数据集上速度快了8倍和在Higg数据集上加速了40%,
Gradient Boosting Decision Tree (GBDT)非常流行却鲜有实现只有像XGBoost囷pGBRT。当特征维度较高和数据量巨大的时候其实现中仍然存在效率和可扩展性的问题。一个主要原因就是对于每一个特征的每一个分裂点都需要遍历全部数据计算信息增益,这一过程非常耗时针对这一问题,本文提出两种新方法:Gradient-based One-Side (EFB)(基于梯度的one-side采样和互斥的特征捆绑)在GOSS中,我们排除了重要的比例-具有小梯度的实例只用剩下的来估计信息增益,我们证明这些梯度大的实例在计算信息增益中扮演重偠角色,GOSS可以用更小的数据量对信息增益进行相当准确的估计对于EFB,我们捆绑互斥的特征(什么是互斥特征:例如特征间很少同时非零),来降低特征的个数我们证明完美地捆绑互斥特征是NP难的,但贪心算法能够实现相当好的逼近率因此我们能够在不损害分割点准確率许多,有效减少特征的数量(牺牲一点分割准确率降低特征数量),这一算法命名为LightGBM在多个公共数据集实验证明,LightGBM加速了传统GBDT训練过程20倍以上同时达到了几乎相同的精度
GBDT因为其的有效性、准确性、可解释性,成为了广泛使用的机器学习算法GBDT在许多机器学习任务仩取得了最好的效果( state-of-the-art),例如多分类点击预测,排序但最近几年随着大数据的爆发(特征量和数据量),GBDT面临平衡准确率和效率的調整
GBDT缺点:对于每一个特征的每一个分裂点,都需要遍历全部数据来计算信息增益因此,其计算复杂度将受到特征数量和数据量双重影响造成处理大数据时十分耗时。
解决这个问题的直接方法就是减少特征量和数据量而且不影响精确度有部分工作根据数据权重采样來加速boosting的过程,但由于gbdt没有样本权重不能应用而本文提出两种新方法实现此目标。
Gradient-based One-Side Sampling (GOSS):GBDT虽然没有数据权重但每个数据实例有不同的梯度,根据计算信息增益的定义梯度大的实例对信息增益有更大的影响,因此在下采样时我们应该尽量保留梯度大的样本(预先设定阈值,或者最高百分位间)随机去掉梯度小的样本。我们证明此措施在相同的采样率下比随机采样获得更准确的结果尤其是在信息增益范圍较大时。
Exclusive Feature Bundling (EFB):通常在真实应用中虽然特征量比较多,但是由于特征空间十分稀疏是否可以设计一种无损的方法来减少有效特征呢?特別在稀疏特征空间上许多特征几乎是互斥的(例如许多特征不会同时为非零值,像one-hot)我们可以捆绑互斥的特征。最后我们将捆绑问題归约到图着色问题,通过贪心算法求得近似解
GBDT是一种集成模型的决策树,顺序训练决策树每次迭代中,GBDT通过拟合负梯度(残差)来學到决策树
学习决策树是GBDT主要的时间花销,而学习决策树中找到最优切分点最消耗时间广泛采用的预排序算法来找到最优切分点,这種方法会列举预排序中所有可能的切分点这种算法虽然能够找到最优的切分点,但对于训练速度和内存消耗上都效率低另一种流行算法是直方图算法(histogram-based algorithm)。直方图算法并不通过特征排序找到最优的切分点而是将连续的特征值抽象成离散的分箱,并使用这些分箱在训练過程中构建特征直方图这种算法更加训练速度和内存消耗上都更加高效,lightGBM使用此种算法
histogram-based算法通过直方图寻找最优切分点,其建直方图消耗O(#data * #feature)寻找最优切分点消耗O(#bin * # feature),而#bin的数量远小于#data所以建直方图为主要时间消耗。如果能够减少数据量或特征量那么还能够够加速GBDT的训练。
为了减小训练数据集通常做法是下采样。例如过滤掉权重小于阈值的数据SGB每次迭代中用随机子集训练弱学习器。或者采样率基于训練过程动态调整除了基于AdaBoost的SGB不能直接应用于GBDT,因为GBDT中没有原始的权重虽然SGB也能间接应用于GBDT,但往往会影响精度
同样,过滤掉弱特征(什么是弱特征)来减少特征量通常用主成分分析或者投影法。当然这些方法依赖于一个假设-特征包含高度的冗余,但实际中往往不昰(设计特征来自于其独特的贡献,移除任一维度都可以某种程度上影响精度)
实际中大规模的数据集通常都是非常稀疏的,使用预排序算法的GBDT能够通过无视为0的特征来降低训练时间消耗然后直方图算法没有优化稀疏的方案。因为直方图算法无论特征值是否为0都需偠为每个数据检索特征区间值。如果基于直方图的GBDT能够有效利用稀疏特征将是最优
下图是两个算法的对比:
GOSS是一种在减少数据量和保证精度上平衡的算法。
AdaBoost中样本权重是数据实例重要性的指标。然而在GBDT中没有原始样本权重不能应用权重采样。幸运的事我们观察到GBDT中烸个数据都有不同的梯度值,对采样十分有用即实例的梯度小,实例训练误差也就较小已经被学习得很好了,直接想法就是丢掉这部汾梯度小的数据然而这样做会改变数据的分布,将会影响训练的模型的精确度为了避免此问题,我们提出了GOSS
GOSS保留所有的梯度较大的實例,在梯度小的实例上使用随机采样为了抵消对数据分布的影响,计算信息增益的时候GOSS对小梯度的数据引入常量乘数。GOSS首先根据数據的梯度绝对值排序选取top a个实例。然后在剩余的数据中随机采样b个实例接着计算信息增益时为采样出的小梯度数据乘以(1-a)/b,这样算法就會更关注训练不足的实例而不会过多改变原数据集的分布。
GBDT使用决策树来学习获得一个将输入空间映射到梯度空间的函数。假设训练集有n个实例x1...,xn特征维度为s。每次梯度迭代时模型数据变量的损失函数的负梯度方向为g1,...gn,决策树通过最优切分点(最大信息增益點)将数据分到各个节点GBDT通过分割后的方差衡量信息增益。
定义3.1:O表示某个固定节点的训练集分割特征 j 的分割点d定义为:
遍历每个特征分裂点 j,找到
对应最大的分裂节点并计算最大的信息增益。然后将数据根据特征的分裂点将数据分到左右节点。
1. 首先根据数据的梯喥将训练降序排序
2. 保留top a个数据实例,作为数据子集A
3. 对于剩下的数据的实例,随机采样获得大小为b的数据子集B
4. 最后我们通过以下方程估计信息增益:
此处GOSS通过较小的数据集估计信息增益,将大大地减小计算量更重要的是,我们接下来理论表明GOSS不会丢失许多训练精度胜過(outperform)随机采样。理论的证明再附加材料
概率至少是1?δ,有:
根据理论3.2,我们得出以下结论:
1. GOSS的渐进逼近比率是:
如果数据分割不是極不平衡比如:
近似误差主要由第二项主导,当n趋于无穷(数据量很大)时
趋于0。即数据量越大误差越小,精度越高
2. 随机采样是GOSS茬a=0的一种情况。多数情况下GOSS性能优于随机采样,即以下情况:
下面分析GOSS的泛化性考虑GOSS泛化误差:
这是GOSS抽样的的实例计算出的方差增益與实际样本方差增益之间的差距。
因此在GOSS准确的情况下,GOSS泛化误差近似于全数据量的真实数据另一方面,采样将增加基学习器的多样性(因为每次采样获得的数据可能会不同)这将提高泛化性。
这一章介绍如何有效减少特征的数量
高维的数据通常是稀疏的这种稀疏性启发我们设计一种无损地方法来减少特征的维度。特别的稀疏特征空间中,许多特征是互斥的例如他们从不同时为非零值。我们可鉯绑定互斥的特征为单一特征通过仔细设计特征搜寻算法,我们从特征捆绑中构建了与单个特征相同的特征直方图这种方式的间直方圖时间复杂度从O(#data * #feature)降到O(#data * #bundle),由于#bundle
1. 怎么判定那些特征应该绑在一起(build bundled)
**理论 4.1:**将特征分割为较小量的互斥特征群是NP難的
证明:将图着色问题归约为此问题,而图着色是NP难的所以此问题就是NP难的。
给定图着色实例G=(V, E)以G的关联矩阵的每一行为特征,得箌我们问题的一个实例有|V|个特征 很容易看到,在我们的问题中一个独特的特征包与一组具有相同颜色的顶点相对应,反之亦然
理论4.1說明多项式时间中求解这个NP难问题不可行。为了寻找好的近似算法我们将最优捆绑问题归结为图着色问题,如果两个特征之间不是相互排斥那么我们用一个边将他们连接,然后用合理的贪婪算法(具有恒定的近似比)用于图着色来做特征捆绑 此外,我们注意到通常有佷多特征尽管不是100%相互排斥的,也很少同时取非零值 如果我们的算法可以允许一小部分的冲突,我们可以得到更少的特征包进一步提高计算效率。经过简单的计算随机污染小部分特征值将影响精度最多为:
γ是每个绑定中的最大冲突比率,当其相对较小时,能够完成精度和效率之间的平衡。
**算法3:**基于上面的讨论,我们设计了算法3伪代码见下图,具体算法:
1.建立一个图每个点代表特征,每个邊有权重其权重和特征之间总体冲突相关。
2. 按照降序排列图中的度数来排序特征
3. 检查排序之后的每个特征,对他进行特征绑定或者建竝新的绑定使得操作之后的总体冲突最小
算法3的时间复杂度是O(#feature^2),训练之前只处理一次其时间复杂度在特征不是特别多的情况下是可以接受的,但难以应对百万维的特征为了继续提高效率,我们提出了一个更加高效的无图的排序策略:将特征按照非零值个数排序这和使用图节点的度排序相似,因为更多的非零值通常会导致冲突新算法在算法3基础上改变了排序策略。
如何合并同一个bundle的特征来降低训练時间复杂度关键在于原始特征值可以从bundle中区分出来。鉴于直方图算法存储离散值而不是连续特征值我们通过将互斥特征放在不同的箱Φ来构建bundle。这可以通过将偏移量添加到特征原始值中实现例如,假设bundle中有两个特征原始特征A取值[0, 10],B取值[0, 20]我们添加偏移量10到B中,因此B取值[10, 30]通过这种做法,就可以安全地将A、B特征合并使用一个取值[0, 30]的特征取代AB。算法见算法4
EFB算法能够将许多互斥的特征变为低维稠密的特征,就能够有效的避免不必要0值特征的计算实际,通过用表记录数据中的非零值来忽略零值特征,达到优化基础的直方图算法通過扫描表中的数据,建直方图的时间复杂度将从O(#data)降到O(#non_zero_data)当然,这种方法在构建树过程中需要而额外的内存和计算开销来维持预特征表我們在lightGBM中将此优化作为基本函数,因为当bundles是稀疏的时候这个优化与EFB不冲突(可以用于EFB)。
这部分主要写了lightGBM的实验结果主要用了五个公开數据集,如下
微软的排序数据集(LETOR)包括30K的网页搜索数据集几乎都是稠密的数值特征。
Allstate是保险和航空延误数据都包含了大量的one-hot特征
后兩个是KDD CUP2010和KDD CPU2012数据集,使用了冠军解决方案中的特征其中包含了稀疏和稠密的特征,并且这两个数据集特别大
这些数据集都比较大,而且包含了稀疏和稠密的特征涵盖了很多真实的业务,因此它们能够完全地测试lightGBM的性能
= 0.05 ,对于航空延误和LETOR我们设置a = 0.1 , b = 0.1 ,数据集EFB我们设置γ = 0 所有的算法有固定迭代次数。在一定迭代次数内我们取最高的分数。
下表是训练时间对比(时间是每次迭代的平均时间)
下表是精确喥对比分类使用AUC评价,排序使用NDCG评价
下图是飞行延时和LETOR的训练曲线。
**速度上:**GOSS具有加速训练的能力表2中可以看出GOSS几乎加速了两倍。雖然GOSS用了10%-20%的数据训练但是由于有一些额外的计算,所以加速并不和数据量成反比但是GOSS仍然极大加速了训练。
**精度上:**从表4中可以看出同样采样率,GOSS精度总比SGB好
表2表明,EFB在大数据集上能够极大加速训练因为EFB合并大量的稀疏特征到低维稠密的特征,并且由于之前的孤竝的特征被bundle到一起能能够极大提高缓存的命中率,因此它全部的效率提高是动态的。
综上这些分析EFB是改进直方图算法稀疏性的非常高效的算法,能够极大地加速GBDT训练
(EFB)(基于梯度的one-side采样和互斥的特征捆绑)来处理大数据量和高维特征的场景。我们在理论分析和实验研究表明GOSS和EFB使得LightGBM在计算速度和内存消耗上明显优于XGBoost和SGB。
未来我们将研究优化如何在GOSS中选择a,b继续提高EFB在高维特征上的性能,无论其是否是稀疏的
LightGBM是一个梯度Boosting框架,使用基于决策树的学习算法它可以说是分布式的,高效的有以下优势:
1)更快的训练效率
4)支持并行化学习
5)可以处理大规模数据
与常见的机器学习算法对比,速度是非常快的
关于XGboost的不足之处主要有:
1)每輪迭代时都需要遍历整个训练数据多次。如果把整个训练数据装进内存则会限制训练数据的大小;如果不装进内存反复地读写训练数據又会消耗非常大的时间。
2)预排序方法的时间和空间的消耗都很大
直方图算法的基本思想是先把连续的浮点特征值离散化成k个整数同时构造一个宽度为k的直方图。在遍历数据的时候根据离散化后的值作为索引在直方图中累积统计量,当遍历一次数据后直方圖累积了需要的统计量,然后根据直方图的离散值遍历寻找最优的分割点。
使用直方图算法有很多优点首先,最明显就是内存消耗的降低直方图算法不仅不需要额外存储预排序的结果,而且可以只保存特征离散化后的值而这个值一般用8位整型存储就足够了,内存消耗可以降低为原来的1/8
然后在计算上的代价也大幅降低,预排序算法每遍历一个特征值就需要计算一次分裂的增益而直方图算法只需要计算k次(k可以认为是常数),时间复杂度从O(#data * #feature) 优化到O(k* #features)
当然,Histogram算法并不是完美的由于特征被离散化后,找到的并不是很精确嘚分割点所以会对结果产生影响。但在不同的数据集上的结果表明离散化的分割点对最终的精度影响并不是很大,甚至有时候会更好┅点原因是决策树本来就是弱模型,分割点是不是精确并不是太重要;较粗的分割点也有正则化的效果可以有效地防止过拟合;即使單棵树的训练误差比精确分割的算法稍大,但在梯度提升(Gradient
Boosting)的框架下没有太大的影响
2)LightGBM的直方图做差加速
一个容易观察到的現象:一个叶子的直方图可以由它的父亲节点的直方图与它兄弟的直方图做差得到。通常构造直方图需要遍历该叶子上的所有数据,但矗方图做差仅需遍历直方图的k个桶利用这个方法,LightGBM可以在构造一个叶子的直方图后可以用非常微小的代价得到它兄弟叶子的直方图,茬速度上可以提升一倍
3)带深度限制的Leaf-wise的叶子生长策略
Level-wise过一次数据可以同时分裂同一层的叶子,容易进行多线程优化也好控淛模型复杂度,不容易过拟合但实际上Level-wise是一种低效的算法,因为它不加区分的对待同一层的叶子带来了很多没必要的开销,因为实际仩很多叶子的分裂增益较低没必要进行搜索和分裂。
Leaf-wise则是一种更为高效的策略每次从当前所有叶子中,找到分裂增益最大的一个葉子然后分裂,如此循环因此同Level-wise相比,在分裂次数相同的情况下Leaf-wise可以降低更多的误差,得到更好的精度Leaf-wise的缺点是可能会长出比较罙的决策树,产生过拟合因此LightGBM在Leaf-wise之上增加了一个最大深度的限制,在保证高效率的同时防止过拟合
4)直接支持类别特征(即不需要做one-hot编码)
实际上大多数机器学习工具都无法直接支持类别特征,一般需要把类别特征转化到多维的one-hot编码特征,降低了空间和时間的效率而类别特征的使用是在实践中很常用的。基于这个考虑LightGBM优化了对类别特征的支持,可以直接输入类别特征不需要额外的one-hot编碼展开。并在决策树算法上增加了类别特征的决策规则在Expo数据集上的实验,相比0/1展开的方法训练速度可以加速8倍,并且精度一致
5)直接支持高效并行
LightGBM还具有支持高效并行的优点。LightGBM原生支持并行学习目前支持特征并行和数据并行的两种。
特征并行的主要思想是在不同机器在不同的特征集合上分别寻找最优的分割点然后在机器间同步最优的分割点。
数据并行则是让不同的机器先在本哋构造直方图然后进行全局的合并,最后在合并的直方图上面寻找最优分割点
LightGBM针对这两种并行方法都做了优化,在特征并行算法Φ通过在本地保存全部数据避免对数据切分结果的通信;在数据并行中使用分散规约 (Reduce scatter) 把直方图合并的任务分摊到不同的机器,降低通信囷计算并利用直方图做差,进一步减少了一半的通信量
下面几张表为重要参数的含义和如何应用
CatBoost采用了一种有效的策略,降低过擬合的同时也保证了全部数据集都可用于学习也就是对数据集进行随机排列,计算相同类别值的样本的平均标签值时只是将这个样本の前的样本的标签值纳入计算。
为当前树构造新的分割点时CatBoost会采用贪婪的策略考虑组合。对于树的第一次分割不考虑任何组合。对于丅一个分割CatBoost将当前树的所有组合、类别型特征与数据集中的所有类别型特征相结合。组合被动态地转换为数字CatBoost还通过以下方式生成数徝型特征和类别型特征的组合:树选择的所有分割点都被视为具有两个值的类别型特征,并且组合方式和类别型特征一样
CatBoost,和所有标准梯度提升算法一样都是通过构建新树来拟合当前模型的梯度。然而所有经典的提升算法都存在由有偏的点态梯度估计引起的过拟合问題。许多利用GBDT技术的算法(例如XGBoost、LightGBM),构建一棵树分为两个阶段:选择树结构和在树结构固定后计算叶子节点的值为了选择最佳的树結构,算法通过枚举不同的分割用这些分割构建树,对得到的叶子节点中计算值然后对得到的树计算评分,最后选择最佳的分割两個阶段叶子节点的值都是被当做梯度[8]或牛顿步长的近似值来计算。CatBoost第一阶段采用梯度步长的无偏估计第二阶段使用传统的GBDT方案执行。
CatBoost使鼡oblivious树作为基本预测器这种树是平衡的,不太容易过拟合oblivious树中,每个叶子节点的索引可以被编码为长度等于树深度的二进制向量CatBoost首先將所有浮点特征、统计信息和独热编码特征进行二值化,然后使用二进制特征来计算模型预测值
任何GBDT算法,对于密集的数值特征数据集来说搜索最佳分割是建立决策树时的主要计算负担。CatBoost利用oblivious决策树作为基础模型并将特征离散化到固萣数量的箱子中以减少内存使用。就GPU内存使用而言CatBoost至少与LightGBM一样有效。主要改进之处就是利用了一种不依赖于原子操作的直方图计算方法
CatBoost使用完美哈希来存储类别特征的值,以减少内存使用由于GPU内存的限制,在CPU RAM中存储按位压缩的完美哈希以及要求的数据流、重叠计算囷内存等操作。通过哈希来分组观察在每个组中,我们需要计算一些统计量的前缀和该统计量的计算使用分段扫描GPU图元实现。
CatBoost中的GPU实現可支持多个GPU分布式树学习可以通过数据或特征进行并行化。CatBoost采用多个学习数据集排列的计算方案在训练期间计算分类特征的统计数據。
性能卓越:在性能方面可以匹敌任何先进的机器学习算法;
鲁棒性/强健性:它减少了对很多超参数调优的需求并降低了过度拟合的機会,这也使得模型变得更加具有通用性;
易于使用:提供与scikit集成的Python接口以及R和命令行界面;
实用:可以处理类别型、数值型特征;可擴展:支持自定义损失函数;
最近我参加了一个Kaggle比赛(斯坦福大学的WIDS Datathon),依靠各种boosting算法我最后挤进了前十名。虽然成绩很好但从那之後我就对模型集成学习的细节感到十分好奇:那些模型是怎么组合的?参数怎么调整它们各自的优点和缺点又是什么?
考虑到自己曾经鼡过许多boosting算法我决定写一篇文章来重点分析XGBoost、LGBM和CatBoost的综合表现。虽然最近神经网络很流行但就我个人的观点来看,boosting算法在训练数据有限時更好用训练时间更短,调参所需的专业知识也较少
XGBoost是陈天奇于2014年提出的一种算法,被称为GBM Killer因为介绍它的文章有很多,所以本文会茬介绍CatBoost和LGBM上用更大的篇幅以下是我们将要讨论的几个主题:
虽然LightGBM和XGBoost
春节期间国产电影《流浪地球》刷屏朋友圈,很多影迷高呼2019年是中国科幻片的元年
但在它被点赞的同时,却是整个电影市场的低迷根据国家电影局的初步统计,2019年國内春节档电影票房收入58.4亿元同比仅增长1.4%,而观影人数只有1.3亿人次相比于2018年同期大减了9.0%。
春节期间的消费数据同样不及预期商务部數据显示,2019年春节黄金周零售和餐饮企业销售额同比增长8.5%和去年同期的增速相比下降了1.7个百分点,也是2005年有统计以来首次跌至个位
春節消费数据可以看作是全年消费的领先指标。作为中国人最重要的节日这段时期的消费表现,集中体现了居民的消费能力和消费意愿2011箌2018年的数据显示,社会消费品零售总额全年增速变化趋势和当年的春节消费增速一致,而且在同一年中前者一直低于后者如果按照历史经验趋势外推,2019年社会消费品零售总额增速可能继续走低
实际上,从去年二季度开始伴随着社会消费品零售增速的下降,关于消费嘚基调也发生了明显变化2017年都在说消费升级,而到了2018年是否出现消费降级的声音多了起来。
一种观点认为社消增速的持续走低,源於近几年居民杠杆率快速上升后的压制在2018年年中的那场关于是否出现消费降级的争论中,似乎有不少这一观点的拥护者
目前对房价的關注度也有所上升,一是因部分城市在“因城施策”框架下放松了地产调控政策二是融360数据显示,新房和二手房的房贷利率都开始下降叻
了解居民杠杆,或者说居民债务的实际情况以及它未来的趋势,有助于判断消费和房价的中长期走势
居民杠杆是本报告的主题,泹这篇报告不涉及居民杠杆对消费和房价的影响路径更多关注居民杠杆本身。主要包括四个部分一是明确国际清算银行口径居民杠杆率所统计的债务范围,以及还有哪些债务未包括在内;二是总量视角下对中国居民部门的债务压力做国际对比;三是从结构视角,分析那些實际举债家庭的偿债压力如何;四是给出结论和相关政策建议
关于居民债务统计口径需明确的几点
在对居民债务水平做国际对比时,最常鼡的指标是国际清算银行公布的居民杠杆率它指的是一国和地区居民部门的债务与GDP之比。在居民债务统计口径上国际清算银行同国际貨币基金组织保持一致,采用的是存款类金融机构信贷收支表中的住户贷款
在实际中,居民部门的借款渠道除银行贷款外,还包括住房公积金贷款、P2P、民间借贷等一些研究试图将其它渠道的债务统计在内,以反映居民部门实际承担的债务压力
在这篇报告中,我们以國际清算银行的债务统计口径为主而不将其它形式的债务统计进去。选择这样做的原因有几个:
第一便于做国际横向对比。住房贷款昰近几年导致居民杠杆率快速上升的主要债务在现有住房金融制度下,居民部门还可以获得住房公积金贷款根据住建部数据,2017年年末住房公积金贷款余额45050亿元占当年存款类金融机构信贷收支表中住户贷款余额的11.1%。
但考虑到许多国家都有住宅金融机构为了方便做国际對比,在测算中国居民债务负担时并未加上公积金贷款
比如美国居民购房时,除在商业银行申请贷款外还可以通过储蓄贷款协会和互助储蓄银行等节俭机构、房地产投资信托公司、人寿保险公司、退休基金等申请贷款。再比如德国的住房储蓄银行制度起源于一站后德國的重建时期,目前仍然是德国住宅金融体系的主体构成据统计超过1/3的德国人与住宅储蓄银行签有住房储蓄合同。而新加坡的中央公积金制度对中国人来说并不陌生因为中国现有的住房公积金制度正是借鉴于它。
第二P2P正在进入收缩期。2013年起凭借互联网技术的便利性囷低成本,P2P、网络小贷公司等互联网金融机构提供小额、短期、低门槛的贷款服务,业务迅速扩张满足了一些在传统金融机构融资难嘚个人融资需求。但它也带来了平台跑路、恶意催收等问题监管加强后行业进入规范发展期,2018年6月开始P2P贷款余额持续收缩
2018年12月,P2P贷款餘额7890亿元网贷之家报告显示,2018年3季度个人信贷占P2P贷款余额的89.5%据此比例估算,2018年12月P2P个人贷款余额7062亿元占同期住户部门贷款余额的1.5%。
由於相比于纳入统计债务的规模比例较小而且正处于收缩期,我们也并不考虑P2P个人贷款
第三,中国家庭部门信贷参与率偏低依赖民间借贷,尤其是低收入群体但民间借贷规模缺少权威数据。
根据西南财经大学中国家庭金融调查与研究中心(CHFS)的数据2017年中国城镇家庭的信貸参与率31.6%,如果将农村家庭统计进去这个比例会更低。而2016年美国家庭的信贷参与率为77.1%对比来看可以说,中国家庭想要获得贷款比较难
这导致民间借贷活动频繁。根据CHFS在2014年1月发布的《中国民间金融发展报告》调查样本中,2013年有15.7%的家庭有银行贷款22.3%的家庭有其他借款,5.2%嘚家庭既拥有银行贷款又拥有其他借款这里说的其他借款主要是民间金融借贷,即拥有民间借贷的家庭比例超过了有正规银行贷款的镓庭占比。
根据这份报告2013年中国家庭民间金融市场规模为5.28万亿,这一规模是当年年末存款类金融机构信贷收支表中住户贷款的26.6%
但遗憾嘚是,民间借贷规模缺少权威数据不同机构估算值分化较大,而且缺少同一机构较长时间序列的数据将民间借贷纳入到居民债务规模囷偿债压力测试中去,存在着较大操作难度
考虑到国际可比性和数据可得性,我们仅使用住户贷款作为居民部门的债务但需要明确,居民部门的实际债务规模要大于纳入统计的值,前者可能是后者的1.4倍左右各种偿债压力指标也都被低估。
总量视角看居民债务压力
(一)住户部门贷款构成
从构成上看住户贷款包括消费贷款和经营贷款,2018年末为47.3万亿2013年开始,消费贷款占住户贷款的比例持续上升2018年该比唎为78.9%。
消费性贷款根据期限又可以划分为短期消费性贷款和中长期消费性贷款。短期消费贷款期限在1年以内主要用于消费。中长期消費贷款可用于房贷和其它用途。个人住房贷款是主体它在消费性贷款中的比例达到七成以上。
尽管个人短期消费贷款的比例不高但2017姩它经历了一轮高速增长,与消费金融发展、信用卡普及有关
个人住房贷款、住户贷款增速,都与房价变化呈现较强相关性2009年,为应對金融危机的影响国内采取了一系列刺激房地产市场的政策,房价止跌企稳个人房贷和住户贷款都经历了一轮明显扩张。2010年政策开始收紧个人住房贷款和个人总贷款增速连续3年下降。2013年至今房地产市场又经历了两轮放松-收紧的调控,但住户部门债务增速和房价增速依然维持了很强的同步性。
在了解住户贷款构成和较快上升的原因后下面从居民部门杠杆率和偿债负担两个角度,来分析当前中国居囻部门的债务压力
前面提到过,杠杆率是最常用的衡量居民债务的指标国际货币基金组织在2017年10月发布的《全球金融稳定报告》中指出:当住户部门杠杆率低于10%时,该国的债务增加将有利于经济增长;当住户部门杠杆率高于30%时该国中期经济增长将会受到影响;而当住户部门杠杆率超过65%时,将会影响到金融稳定
国际清算银行公布了季度的中国居民杠杆率数据,最新的是2018年2季度为50.3%。中国社科院国家资产负债表研究中心2017年之前公布年度的居民杠杆率2017年开始按季度发布,最新是2018年3季度的52.2%
除中国外,BIS还公布了42个国家和地区的居民杠杆率2018年2季喥,中国50.3%的居民杠杆率在43个国家和地区中排第25位。
国际经验显示伴随着经济水平提高,居民杠杆率整体是上升的2018年2季度,发达经济體的居民杠杆率72.4%明显高于同期新兴市场的38.7%。
因此将其它国家和地区与中国目前发展阶段近似时期的居民杠杆率,同中国目前的居民杠杆做比较比单纯对比43个国家和地区目前的居民杠杆率水平,更具参考价值
我们以世界银行发布的人均国际元GNI为比较基准,2017年中国该指標为16760由于BIS公布的各个国家和地区居民杠杆率起始时间不一,在2017年BIS公布居民杠杆的其它42个国家和地区中与中国目前处于近似发展阶段时囿居民杠杆率数据的国家和地区有29个。
加上中国30个国家和地区的居民杠杆率均值为37.4%。处于相同发展阶段时中国48.4%的居民杠杆率位列第9。排在中国前面的除泰国(2017年,68.8%)和马来西亚(2006年54.1%)外,均为发达国家
下面再来看居民杠杆率的增量。一些研究比如马勇、陈雨露(2017),认为相仳于杠杆率水平的高低杠杆率上升速度更值得关注。而CarmenM.Reinhart和Kenneth S. Rogoff 在对36个国家和地区1951年到2010年的债务和经济危机进行了研究138次危机中由家庭部门杠杆率上升过快的危机占到了100次,而由企业部门杠杆率快速上升引起的只有38次家庭部门杠杆率快速上升的风险比企业杠杆率快速上升更夶。
国际金融危机后发达经济体居民部门整体在去杠杆,除中国以外的新兴市场国家居民部门多数也在去杠杆。
根据BIS数据2008年末到2018年2季度,43个国家和地区的居民杠杆率平均上升了3.8%而同期中国居民部门杠杆率从17.9%,上升到2018年2季度末的50.3%不到10年时间增长近两倍,32.4%的增量位列苐1.
以中国2018年2季度、美国金融危机爆发时的2008年1季度和日本泡沫经济开始破灭的1990年1季度为时点分别计算前5年和前10年,上述三个国家的居民杠杆率上升幅度可以发现近几年中国居民部门杠杆率的增幅,已经和美国、日本的相当
总结一下,单纯从存量角度进行国别对比目前Φ国的居民杠杆率处于国际平均水平。但考虑到中国目前所处的发展阶段以及近几年居民杠杆率的快速攀升,需要重视居民杠杆的风险
这部分,通过居民部门债务/可支配收入、还本付息/可支配收入和居民部门负债率三个指标来分析中国居民部门的偿债压力。
先看居民蔀门债务/可支配收入在比较不同国家的居民债务水平时,以居民部门债务/GDP可以消除国家和地区之间经济体量不同对债务总量的影响。泹同时它也忽略了不同经济体内部GDP在不同主体之间的分配比例不一,居民部门的杠杆率难以完整衡量居民的偿债压力
将分母换成住户蔀门可支配收入,更能反映居民的偿债负担联合国国民核算统计年鉴,收录了部分国家和地区的住户部门可支配收入它指的是居民在初次分配中获得劳动报酬后,通过税收、社会缴款、社会福利、社会保障、社会救助、赔款和捐赠等形式的经常性转移支付以及租金、利息和红利、版税收入等形式的财产性收入,进入再分配阶段所形成的可用于支配的收入
联合国国民核算统计年鉴里,中国住户部门的鈳支配收入数据与国家统计局公布的一致。前者更新到2015年后者最新的是2016年,为62.1%国际对比看,国民核算口径下的中国住户部门可支配收入占GDP比例处于平均水平,低于美国和法国大致持平于德国、日本,显著高于高福利的北欧国家
2017年和2018年的数据尚未公布。由于相近姩份住户部门可支配收入占GDP的比例变化较小我们取前三年均值,作2017年和2018年的比例再根据GDP和人口规模,计算出国民收入核算口径下中国嘚人均可支配收入
除国民收入核算口径的可支配收入外,中国还公布了城乡一体化住户调查口径下的全国居民人均可支配收入将两个ロ径的数据做对比,发现近年后者只有前者的70%
由于差异较大,我们用两种口径的住户部门可支配收入计算中国居民的偿债负担。但因為住户调查口径的数据与公众的直观感受更为接近,我们认为用住户调查口径下的可支配收入计算更能反映居民部门的实际偿债压力。
考虑到数据可得性我们主要对比中国与OECD国家的居民偿债压力,这些发达国家的数据来自OECD数据库
可以发现,金融危机后美国和英国嘚居民部门债务/可支配收入都出现下降,法国和日本的居民部门债务/可支配收入基本保持平稳而中国两个口径可支配收入衡量的偿债负擔,都在快速上升
2017年住户调查口径下的中国居民债务/可支配收入为111.2%,超过了美国的102.5%、德国的85.4%与法国的112.7%和西班牙的108.9%,低于丹麦、荷兰、渶国等国家
再来看应还债务本息/可支配收入,即偿债比率偿债比率考察的是住户部门用多少可支配收入来偿还债务,即住户部门当年鈳支配收入中用于偿还债务本金与利息之和占可支配收入的比例。
国际清算银行公布了部分国家的居民部门偿债比率为保证数据的横姠可比性,债务期限部分我们采用相同的假设即债务剩余期限为18年。同时参考《中国金融稳定报告(2018)》中的假定债务的利息为5年期以上貸款的基准利率。
两种口径可支配收入下的居民偿债比率如图所示除2015年外,中国居民部门可支配收入中用于还本付息的比例持续上升,2017年国民收入核算口径为7.5%、城乡调查口径为9.6%2009、2015年都出现阶段性下降,主要因贷款基准利率持续下调
2017年城乡调查口径可支配收入下中国居民部门的偿债比率,已经超过英国、美国、日本、法国和德国等国家排在中国前面的,除澳大利亚和韩国外多为高福利的北欧国家,福利得到保障后消费意愿更强
特别需要注意的是,上述测算方法大概率低估了中国居民部门的实际还本付息压力随着居民部门债务剩余期限的缩短,实际偿债比率呈现非线性的快速上升参照国际结算银行18年的假定,可能高估了中国家庭部门债务的剩余期限当剩余期限缩短至10年时,偿债比率提高到13.6%
最后看居民部门的资产负债率。居民可支配收入体现的是当期收入用于还本付息的能力。在实际中还可以用存量资产支付利息和到期债务。主要考察中美两国考虑到金融资产变现能力更强,除对比债务/总资产外还对比债务/金融资產。中国数据来自《中国国家资产负债表2018》美国数据来自于美国经济分析局。
可以看到金融危机后中国、美国两种口径的居民部门资產负债率走势都出现了分化,美国的不断下降而中国的持续攀升。2016年中国的居民部门金融资产负债率21.7%明显超过美国同期的19.1%。当年中国居民部门资产负债率11.0%略低于美国的13.6%。中国的金融资产负债率比资产负债率更快赶超美国,一个重要原因是中国家庭资产中住房占有较高比例
考虑到2017年和2018年中国家庭部门的债务经历了一轮快速扩张(仅贷款就增加了14.5万亿,比2016年末增长43.5%)我们认为2018年中国的家庭部门债务/总资產,可能已经超过了美国
综合来看,我们认为虽然简单作国际对比看中国家庭部门的杠杆率并不高。但考虑到中国目前所处的发展阶段以及近些年居民杠杆率的快速攀升,加之更具实际意义的城乡调查数据显示中国家庭部门在GDP分配中的比例并不高多个衡量偿债负担嘚指标显示,目前中国居民的整体债务压力已经高于美国等多个发达经济体其中所隐藏的风险需要引起重视。
结构视角看居民债务压力
(┅)被“平均”的偿债压力
住房抵押贷款是居民贷款的最主要形式。由于中国的高首付比例使得一些有买房需求的人,达不到首付的资金要求加杠杆的想法被压制。
西南某省社情民意调查中心和省政府网站2018年年中在该省开展了居民购房意愿专项调查,完成有效样本4000个有26.2%的受访者表示首付比例高。考虑到该省的房价压力在全国范围来看并不大以住户贷款/住户存款衡量的居民偿债压力也处于靠后位置,我们认为从平均意义上来讲全国认为首付比例过高的群体占比可能高于26.2%。
高首付比例导致只有一部分人有资格加杠杆,尤其是在高房价的城市前面提到过,西南财经大学中国家庭金融调查与研究中心的数据显示2017年中国城镇家庭信贷参与率31.6%,即只有31.6%的城镇家庭从银荇获得了贷款如果再考虑农村家庭缺少抵押品,那么整个中国的家庭能够在银行获得贷款的比例更低。
这导致的结果是我们前面部汾,将所有居民作为一个整体来分析的总量视角所得到的居民债务压力,要比真正有资格而且已经加杠杆的家庭实际承担的偿债压力偠小得多。因为总量视角的分析和测算中比例可能超过七成、在银行没有贷款的家庭,作为“分母”的一份子来摊销那些有贷款、占仳不足三成的家庭的债务。
西南财经大学中国家庭金融调查与研究中心的数据也支持这一观点。根据该中心的调查年新购房有负债的镓庭中,收入最低的20%家庭债务收入比为13.7收入最高的20%家庭债务收入比也有1.8,都要比城乡调查口径下的2017年债务收入比1.1更高
(二)一个关于购房貸款比例的测算
通过一个测算,我们认为那些用到贷款买房的人群贷款比例超过了50%。在首套房首付比例通常30%、二套房要求更高的情况下这意味着有资格买房的人,从平均意义上讲已经在政策允许范围内,将杠杆加得比较高了
根据中国人民银行货币政策分析小组编写嘚《中国区域金融运行报告》,年全国住房抵押贷款价值比分别为55.6%、60.4%和59.3%区域排序依次是东北、西部、中部和东部。
这一指标与购买住房時的贷款比例有所区别它除了统计购买新房或二手房时的贷款外,还将个人把已有住房作为抵押品去贷款统计了进去但它可以为我们判断买房时的贷款比例大致处于什么水平,提供参考
以2017年数据为例。当年新增中长期住户贷款51718亿元其中中长期消费贷款44684亿元、中长期經营性贷款7034亿元,当年新增个人住房贷款39000亿元由于当年新增短期经营性贷款为-354亿元,而在现实生活中将个人住房作为抵押品获得1年以內的短期消费贷款概率也比较低,因此我们假定无论是买房交易还是将已有住房作为资产去获得抵押贷款,都属于中长期贷款
根据我們的调研,将已有住房作为抵押品去贷款时贷款比例受是普通住宅还是商用住宅、所在城市类型、在城市中的区位、房龄等多个因素的影响。我们取相对比较激进的比例——70%用作测算。
为便于计算将住户中长期贷款分为两类,一类是购买住房时的贷款即个人住房贷款,另一类是将已有住房作为抵押品时的贷款即假定所有的贷款都是以房产作为抵押的,抵押率是《中国区域金融运行报告》中公布的住房抵押贷款价值比
根据假定,将已有住房作为抵押品的贷款规模为12718亿元()抵押率为70%,那么这部分贷款抵押资产的价值为18169亿元
假设购買新房或二手房,而且用到贷款的房产价值为y那么根据公式5+y)=59.3%,可计算出y=69045也就是说,有价值69045亿元的新房或者二手房交易时是用到贷款的贷款规模为39000亿元,此时的贷款比例为56.5%
现实生活中,一部分中长期贷款例如车贷,是不涉及将房产作为抵押品的假设这部分资产涉忣的贷款规模为x,那么在我们设定的情形中将已有房产作为抵押品获得的贷款规模为12718-x,涉及的房产价值为(12718-x)/0.7.
此时x和y的关系有等式(51718-x)/((12718-x)/0.7+y)=0.593解得:y=69045-1. 69x。即随着不涉及房产的中长期消费贷款增加个人住房贷款涉及的房产价值是下降的。在个人住房贷款规模固定在39000亿元时个人购房时的貸款比例上升。
这意味着实际情况可能要比我们假设没有不涉及房产的中长期贷款,即x=0时的个人购房用到贷款时的贷款比例56.5%更高
(三)区域角度看居民债务压力
以住户部门贷款/存款,衡量各省市自治区的居民偿债压力沿海地区的贷款存款比更高,尤其是福建2018年11月住户贷款/存款比例达到了115.7%。
我们认为产生这一现象的可能原因有两个。一是东部沿海地区的房价整体高于其他区域居民部门有更高的房贷需求。二是经济发达地区居民资产配置相对多元化,使得存款在总资产的比例要低些从而抬升了贷款/存款。
再来看城市的住户部门贷款/存款我们以公布房价数据的70大中城市为选择样本,通过查找年度统计公报、统计年鉴等方式试图找出各城市的住户贷款和住户存款数據,最终发现有38个城市公开了年完整的数据
2017年,38个城市中贷款/存款超过100%的有6个厦门位居首位,高达186.2%其次是深圳,为158.1%合肥、南京、杭州、惠州、武汉这几个近年房价上涨较快的二三线城市,住户部门贷款与存款之比也较高
值得注意的是,上海和北京这两个高房价城市在38个城市中,都未进入前10.两个都公布了2018年的数据上海的住户贷款/住户存款为77.96%,北京这一指标是52.52%
再来看住户贷款增速。近几年呈现絀的一个特征是经济发展水平越低的地区,住户部门贷款增速上升得越快比如海南、西藏、广西、贵州等边疆地区,住户部门贷款增速明显要快于全国的平均水平尤其是海南,2018年前3季度住户部门贷款增速高达31.4%
尽管简单作国际对比,中国目前的居民杠杆率并不高但栲虑到中国目前所处发展阶段,以及近年居民杠杆率的快速上升其中的风险需要引起关注。
相比于发达国家与直观感受更为接近的城鄉调查口径的中国居民可支配收入,占GDP比例要低些以居民部门债务/可支配收入、还本付息/可支配收入等衡量的偿债压力,都已经高于美國等多个发达经济体以债务/总资产、债务/金融资产衡量的居民资产负债率,中国也超过了美国
更需要注意的是,BIS口径的居民部门债务统计的只是存款类金融机构信贷收支表中的住户贷款。中国城镇家庭的信贷参与率只有三成包括农村家庭在内的比例更低,而美国的這一比例超过七成这意味着,中国实际有银行贷款的家庭所承担的债务负担,要明显大于总量视角下的估算值从平均意义上讲,也偠高于有银行贷款的美国家庭
住房贷款是中国居民部门债务的主要形式,由于高首付比例使得一部人加杠杆的需求被压制,尤其是在高房价的城市而购房且有贷款的人群中,据我们测算贷款比例超过了50%,已经在政策允许的范围内将杠杆加得比较高了。中国家庭部門实际的债务压力主要由这个群体承担。
展望未来我们认为中国家庭部门的杠杆率,将进一步上升主要是因为,有相当比例的人群被高首付比例阻挡在加杠杆之外,随着这些人财富的积累加杠杆的需求将被释放。
对政府来说需要控制居民杠杆率上升的节奏:
一昰坚持“房住不炒”的政策。一方面降低居民对房价上涨的预期,能够减少投机性和恐慌性的加杠杆需求房价波动大的时候更容易引起居民举债买房。另一方面在相同首付比例要求的情况下,房价更高需要举借的债务越多
二是优化企业面临的制度环境,鼓励创新使符合经济转型方向的企业增加投资,减少稳增长诉求下对居民加杠杆的路径依赖美国年居民杠杆率上升放缓的经验告诉我们,科技创噺等导致企业盈利能力增强后企业加杠杆的意愿和能力上升,有助于放慢居民加杠杆的步伐
(来源:联讯麒麟堂/联讯证券首席经济学镓 李奇霖 联讯证券高级宏观研究员 张德礼)
在奥赛考纲中静电学知识点数目不算多,总数和高考考纲基本相同但在个别知识点上,奥赛的要求显然更加深化了:如非匀强电场中电势的计算、电容器的连接和静電能计算、电介质的极化等在处理物理问题的方法上,对无限分割和叠加原理提出了更高的要求
如果把静电场的问题分为两部分,那僦是电场本身的问题、和对场中带电体的研究高考考纲比较注重第二部分中带电粒子的运动问题,而奥赛考纲更注重第一部分和第二部汾中的静态问题也就是说,奥赛关注的是电场中更本质的内容关注的是纵向的深化和而非横向的综合。
条件:⑴点电荷⑵真空,⑶點电荷静止或相对静止事实上,条件⑴和⑵均不能视为对库仑定律的限制因为叠加原理可以将点电荷之间的静电力应用到一般带电体,非真空介质可以通过介电常数将k进行修正(如果介质分布是均匀和“充分宽广”的一般认为k′= k /εr)。只有条件⑶它才是静电学的基夲前提和出发点(但这一点又是常常被忽视和被不恰当地“综合应用”的)。
电场的概念;试探电荷(检验电荷);定义意味着一种适用於任何电场的对电场的检测手段;电场线是抽象而直观地描述电场有效工具(电场线的基本属性)
b、不同电场中场强的计算
决定电场强弱的因素有两个:场源(带电量和带电体的形状)和空间位置。这可以从不同电场的场强决定式看出——
结合点电荷的场强和叠加原理峩们可以求出任何电场的场强,如——
⑵均匀带电环垂直环面轴线上的某点P:E = ,其中r和R的意义见图7-1
如果球壳是有厚度的的(内径R1 、外徑R2),在壳体中(R1<r<R2):
E = 其中ρ为电荷体密度。这个式子的物理意义可以参照万有引力定律当中(条件部分)的“剥皮法则”理解〔即为图7-2中虚线以内部分的总电量…〕。
⑷无限长均匀带电直线(电荷线密度为λ):E =
⑸无限大均匀带电平面(电荷面密度为σ):E = 2πkσ
1、電势:把一电荷从P点移到参考点P0时电场力所做的功W与该电荷电量q的比值即
参考点即电势为零的点,通常取无穷远或大地为参考点
和场強一样,电势是属于场本身的物理量W则为电荷的电势能。
以无穷远为参考点U = k
由于电势的是标量,所以电势的叠加服从代数加法很显嘫,有了点电荷电势的表达式和叠加原理我们可以求出任何电场的电势分布。
静电感应→静电平衡(狭义和广义)→静电屏蔽
1、静电平衡的特征可以总结为以下三层含义——
a、导体内部的合场强为零;表面的合场强不为零且一般各处不等表面的合场强方向总是垂直导体表面。
b、导体是等势体表面是等势面。
c、导体内部没有净电荷;孤立导体的净电荷在表面的分布情况取决于导体表面的曲率
导体壳(網罩)不接地时,可以实现外部对内部的屏蔽但不能实现内部对外部的屏蔽;导体壳(网罩)接地后,既可实现外部对内部的屏蔽也鈳实现内部对外部的屏蔽。
孤立导体电容器→一般电容器
b、决定式决定电容器电容的因素是:导体的形状和位置关系、绝缘介质的种类,所以不同电容器有不同的电容
用图7-3表征电容器的充电过程“搬运”电荷做功W就是图中阴影的面积,这也就是电容器的储能E 所以
电场嘚能量。电容器储存的能量究竟是属于电荷还是属于电场正确答案是后者,因此我们可以将电容器的能量用场强E表示。
认为电场能均勻分布在电场中则单位体积的电场储能 w = E2 。而且这以结论适用于非匀强电场。
a、电介质分为两类:无极分子和有极分子前者是指在没囿外电场时每个分子的正、负电荷“重心”彼此重合(如气态的H2 、O2 、N2和CO2),后者则反之(如气态的H2O 、SO2和液态的水硝基笨)
b、电介质的极化:当介质中存在外电场时无极分子会变为有极分子,有极分子会由原来的杂乱排列变成规则排列如图7-4所示。
2、束缚电荷、自由电荷、極化电荷与宏观过剩电荷
a、束缚电荷与自由电荷:在图7-4中电介质左右两端分别显现负电和正电,但这些电荷并不能自由移动因此称为束缚电荷,除了电介质导体中的原子核和内层电子也是束缚电荷;反之,能够自由移动的电荷称为自由电荷事实上,导体中存在束缚電荷与自由电荷绝缘体中也存在束缚电荷和自由电荷,只是它们的比例差异较大而已
b、极化电荷是更严格意义上的束缚电荷,就是指圖7-4中电介质两端显现的电荷而宏观过剩电荷是相对极化电荷来说的,它是指可以自由移动的净电荷宏观过剩电荷与极化电荷的重要区別是:前者能够用来冲放电,也能用仪表测量但后者却不能。
第二讲 重要模型与专题
【物理情形1】试证明:均匀带电球壳内部任意一点嘚场强均为零
【模型分析】这是一个叠加原理应用的基本事例。
如图7-5所示在球壳内取一点P ,以P为顶点做两个对顶的、顶角很小的锥体锥体与球面相交得到球面上的两个面元ΔS1和ΔS2 ,设球面的电荷面密度为σ,则这两个面元在P点激发的场强分别为
为了弄清ΔE1和ΔE2的大小關系引进锥体顶部的立体角ΔΩ ,显然
同理其它各个相对的面元ΔS3和ΔS4 、ΔS5和ΔS6 … 激发的合场强均为零。原命题得证
【模型变换】半径为R的均匀带电球面,电荷的面密度为σ,试求球心处的电场强度。
【解析】如图7-6所示在球面上的P处取一极小的面元ΔS ,它在球心O点噭发的场强大小为
无穷多个这样的面元激发的场强大小和ΔS激发的完全相同但方向各不相同,它们矢量合成的效果怎样呢这里我们要夶胆地预见——由于由于在x方向、y方向上的对称性,Σ = Σ = 0 最后的ΣE = ΣEz ,所以先求
【答案】E = kπσ 方向垂直边界线所在的平面。
〖学员思栲〗如果这个半球面在yoz平面的两边均匀带有异种电荷面密度仍为σ,那么,球心处的场强又是多少?
〖推荐解法〗将半球面看成4个球面,每个球面在x、y、z三个方向上分量均为 kπσ,能够对称抵消的将是y、z两个方向上的分量,因此ΣE = ΣEx …
〖答案〗大小为kπσ,方向沿x轴方向(由带正电的一方指向带负电的一方)。
【物理情形2】有一个均匀的带电球体球心在O点,半径为R 电荷体密度为ρ ,球体内有一个球形涳腔空腔球心在O′点,半径为R′= a ,如图7-7所示试求空腔中各点的场强。
【模型分析】这里涉及两个知识的应用:一是均匀带电球体的場强定式(它也是来自叠加原理这里具体用到的是球体内部的结论,即“剥皮法则”)二是填补法。
将球体和空腔看成完整的带正电嘚大球和带负电(电荷体密度相等)的小球的集合对于空腔中任意一点P ,设 =
E1和E2的矢量合成遵从平行四边形法则ΣE的方向如图。又由于矢量三角形PE1ΣE和空间位置三角形OP O′是相似的ΣE的大小和方向就不难确定了。
【答案】恒为kρπa 方向均沿O → O′,空腔里的电场是匀强电场
〖学员思考〗如果在模型2中的OO′连线上O′一侧距离O为b(b>R)的地方放一个电量为q的点电荷,它受到的电场力将为多大
〖解说〗上面解法的按部就班应用…
〖答〗πkρq〔?〕。
二、电势、电量与电场力的功
【物理情形1】如图7-8所示半径为R的圆环均匀带电,电荷线密度为λ,圆心在O点过圆心跟环面垂直的轴线上有P点, = r 以无穷远为参考点,试求P点的电势UP
【模型分析】这是一个电势标量叠加的简单模型。先在圆环上取一个元段ΔL 它在P点形成的电势
环共有段,各段在P点形成的电势相同而且它们是标量叠加。
〖思考〗如果上题中知道的是環的总电量Q 则UP的结论为多少?如果这个总电量的分布不是均匀的结论会改变吗?
〖再思考〗将环换成半径为R的薄球壳总电量仍为Q ,試问:(1)当电量均匀分布时球心电势为多少?球内(包括表面)各点电势为多少(2)当电量不均匀分布时,球心电势为多少球内(包括表面)各点电势为多少?
〖解说〗(1)球心电势的求解从略;
球内任一点的求解参看图7-5
注意:一个完整球面的ΣΔΩ = 4π(单位:球面度sr)但作为对顶的锥角,ΣΔΩ只能是2π 所以——
(2)球心电势的求解和〖思考〗相同;
球内任一点的电势求解可以从(1)问的求解过程得到结论的反证。
〖答〗(1)球心、球内任一点的电势均为k ;(2)球心电势仍为k 但其它各点的电势将随电量的分布情况的不同而不同(内部不再是等势体,球面不再是等势面)
【相关应用】如图7-9所示,球形导体空腔内、外壁的半径分别为R1和R2 带有净电量+q ,现在其内部距球心为r的地方放一个电量为+Q的点电荷试求球心处的电势。
【解析】由于静电感应球壳的内、外壁形成两个带电球壳。球心电势是两個球壳形成电势、点电荷形成电势的合效果
根据静电感应的尝试,内壁的电荷量为-Q 外壁的电荷量为+Q+q ,虽然内壁的带电是不均匀的根据上面的结论,其在球心形成的电势仍可以应用定式所以…
〖反馈练习〗如图7-10所示,两个极薄的同心导体球壳A和B半径分别为RA和RB ,现讓A壳接地而在B壳的外部距球心d的地方放一个电量为+q的点电荷。试求:(1)A球壳的感应电荷量;(2)外球壳的电势
〖解说〗这是一个更為复杂的静电感应情形,B壳将形成图示的感应电荷分布(但没有净电量)A壳的情形未画出(有净电量),它们的感应电荷分布都是不均勻的
此外,我们还要用到一个重要的常识:接地导体(A壳)的电势为零但值得注意的是,这里的“为零”是一个合效果它是点电荷q 、A壳、B壳(带同样电荷时)单独存在时在A中形成的的电势的代数和,所以当我们以球心O点为对象,有
☆学员讨论:A壳的各处电势均为零我们的方程能不能针对A壳表面上的某点去列?(答:不能非均匀带电球壳的球心以外的点不能应用定式!)
基于刚才的讨论,求B的电勢时也只能求B的球心的电势(独立的B壳是等势体球心电势即为所求)——
【物理情形2】图7-11中,三根实线表示三根首尾相连的等长绝缘细棒每根棒上的电荷分布情况与绝缘棒都换成导体棒时完全相同。点A是Δabc的中心点B则与A相对bc棒对称,且已测得它们的电势分别为UA和UB 试問:若将ab棒取走,A、B两点的电势将变为多少
【模型分析】由于细棒上的电荷分布既不均匀、三根细棒也没有构成环形,故前面的定式不能直接应用若用元段分割→叠加,也具有相当的困难所以这里介绍另一种求电势的方法。
每根细棒的电荷分布虽然复杂但相对各自嘚中点必然是对称的,而且三根棒的总电量、分布情况彼此必然相同这就意味着:①三棒对A点的电势贡献都相同(可设为U1);②ab棒、ac棒對B点的电势贡献相同(可设为U2);③bc棒对A、B两点的贡献相同(为U1)。
取走ab后因三棒是绝缘体,电荷分布不变故电势贡献不变,所以
〖模型变换〗正四面体盒子由彼此绝缘的四块导体板构成各导体板带电且电势分别为U1 、U2 、U3和U4 ,则盒子中心点O的电势U等于多少
〖解说〗此處的四块板子虽然位置相对O点具有对称性,但电量各不相同因此对O点的电势贡献也不相同,所以应该想一点办法——
我们用“填补法”將电量不对称的情形加以改观:先将每一块导体板复制三块作成一个正四面体盒子,然后将这四个盒子位置重合地放置——构成一个有㈣层壁的新盒子在这个新盒子中,每个壁的电量将是完全相同的(为原来四块板的电量之和)、电势也完全相同(为U1 + U2 + U3 + U4)新盒子表面就構成了一个等势面、整个盒子也是一个等势体,故新盒子的中心电势为
最后回到原来的单层盒子中心电势必为 U = U′
☆学员讨论:刚才的这種解题思想是否适用于“物理情形2”?(答:不行因为三角形各边上电势虽然相等,但中点的电势和边上的并不相等)
〖反馈练习〗電荷q均匀分布在半球面ACB上,球面半径为R CD为通过半球顶点C和球心O的轴线,如图7-12所示P、Q为CD轴线上相对O点对称的两点,已知P点的电势为UP 试求Q点的电势UQ 。
〖解说〗这又是一个填补法的应用将半球面补成完整球面,并令右边内、外层均匀地带上电量为q的电荷如图7-12所示。
从电量的角度看右半球面可以看作不存在,故这时P、Q的电势不会有任何改变
而换一个角度看,P、Q的电势可以看成是两者的叠加:①带电量為2q的完整球面;②带电量为-q的半球面
其中 U半球面显然和为填补时Q点的电势大小相等、符号相反,即 U半球面= -UQ
以上的两个关系已经足以解题了
【物理情形3】如图7-13所示,A、B两点相距2L 圆弧是以B为圆心、L为半径的半圆。A处放有电量为q的电荷B处放有电量为-q的点电荷。试问:(1)将单位正电荷从O点沿移到D点电场力对它做了多少功?(2)将单位负电荷从D点沿AB的延长线移到无穷远处去电场力对它做多少功?
洅用功与电势的关系即可
【答案】(1);(2)。
【相关应用】在不计重力空间有A、B两个带电小球,电量分别为q1和q2 质量分别为m1和m2 ,被凅定在相距L的两点试问:(1)若解除A球的固定,它能获得的最大动能是多少(2)若同时解除两球的固定,它们各自的获得的最大动能昰多少(3)未解除固定时,这个系统的静电势能是多少
【解说】第(1)问甚间;第(2)问在能量方面类比反冲装置的能量计算,另启鼡动量守恒关系;第(3)问是在前两问基础上得出的必然结论…(这里就回到了一个基本的观念斧正:势能是属于场和场中物体的系统洏非单纯属于场中物体——这在过去一直是被忽视的。在两个点电荷的环境中我们通常说“两个点电荷的势能”是多少。)
〖思考〗设彡个点电荷的电量分别为q1 、q2和q3 两两相距为r12 、r23和r31 ,则这个点电荷系统的静电势能是多少
〖反馈应用〗如图7-14所示,三个带同种电荷的相同金属小球每个球的质量均为m 、电量均为q ,用长度为L的三根绝缘轻绳连接着系统放在光滑、绝缘的水平面上。现将其中的一根绳子剪断三个球将开始运动起来,试求中间这个小球的最大速度
〖解〗设剪断的是1、3之间的绳子,动力学分析易知2球获得最大动能时,1、2之間的绳子与2、3之间的绳子刚好应该在一条直线上而且由动量守恒知,三球不可能有沿绳子方向的速度设2球的速度为v ,1球和3球的速度为v′则
解以上两式即可的v值。
三、电场中的导体和电介质
【物理情形】两块平行放置的很大的金属薄板A和B面积都是S ,间距为d(d远小于金屬板的线度)已知A板带净电量+Q1 ,B板带尽电量+Q2 且Q2<Q1 ,试求:(1)两板内外表面的电量分别是多少;(2)空间各处的场强;(3)两板间的電势差
【模型分析】由于静电感应,A、B两板的四个平面的电量将呈现一定规律的分布(金属板虽然很薄但内部合场强为零的结论还是存在的);这里应注意金属板“很大”的前提条件,它事实上是指物理无穷大因此,可以应用无限大平板的场强定式
为方便解题,做圖7-15忽略边缘效应,四个面的电荷分布应是均匀的设四个面的电荷面密度分别为σ1 、σ2 、σ3和σ4 ,显然
【答案】(1)A板外侧电量、A板内側电量B板内侧电量?、B板外侧电量;(2)A板外侧空间场强2πk,方向垂直A板向外A、B板之间空间场强2πk,方向由A垂直指向BB板外侧空间场強2πk,方向垂直B板向外;(3)A、B两板的电势差为2πkdA板电势高。
〖学员思考〗如果两板带等量异号的净电荷两板的外侧空间场强等于多尐?(答:为零)
〖学员讨论〗(原模型中)作为一个电容器,它的“电量”是多少(答:)如果在板间充满相对介电常数为εr的电介质,是否会影响四个面的电荷分布(答:不会)是否会影响三个空间的场强(答:只会影响Ⅱ空间的场强)?
〖学员讨论〗(原模型Φ)我们是否可以求出A、B两板之间的静电力〔答:可以;以A为对象,外侧受力·(方向相左),内侧受力·(方向向右),它们合成即可,结论为F = Q1Q2 排斥力。〕
【模型变换】如图7-16所示一平行板电容器,极板面积为S 其上半部为真空,而下半部充满相对介电常数为εr的均勻电介质当两极板分别带上+Q和?Q的电量后,试求:(1)板上自由电荷的分布;(2)两板之间的场强;(3)介质表面的极化电荷
【解说】电介质的充入虽然不能改变内表面的电量总数,但由于改变了场强故对电荷的分布情况肯定有影响。设真空部分电量为Q1 介质部分电量为Q2 ,显然有
两板分别为等势体将电容器看成上下两个电容器的并联,必有
场强可以根据E = 关系求解比较常规(上下部分的场强相等)。
上下部分的电量是不等的但场强居然相等,这怎么解释从公式的角度看,E = 2πkσ(单面平板),当k 、σ同时改变,可以保持E不变但這是一种结论所展示的表象。从内在的角度看k的改变正是由于极化电荷的出现所致,也就是说极化电荷的存在相当于在真空中形成了┅个新的电场,正是这个电场与自由电荷(在真空中)形成的电场叠加成为E2 所以
请注意:①这里的σ′和Q′是指极化电荷的面密度和总量;② E = 4πkσ的关系是由两个带电面叠加的合效果。
【答案】(1)真空部分的电量为Q ,介质部分的电量为Q ;(2)整个空间的场强均为 ;(3)Q
〖思考应用〗一个带电量为Q的金属小球,周围充满相对介电常数为εr的均匀电介质试求与与导体表面接触的介质表面的极化电荷量。
【物理情形1】由许多个电容为C的电容器组成一个如图7-17所示的多级网络试问:(1)在最后一级的右边并联一个多大电容C′,可使整个网络嘚A、B两端电容也为C′(2)不接C′,但无限地增加网络的级数整个网络A、B两端的总电容是多少?
【模型分析】这是一个练习电容电路简囮基本事例
第(1)问中,未给出具体级数一般结论应适用特殊情形:令级数为1 ,于是
第(2)问中因为“无限”,所以“无限加一级後仍为无限”不难得出方程
【解说】对于既非串联也非并联的电路,需要用到一种“Δ→Y型变换”参见图7-19,根据三个端点之间的电容等效容易得出定式——
有了这样的定式后,我们便可以进行如图7-20所示的四步电路简化(为了方便电容不宜引进新的符号表达,而是直接将变换后的量值标示在图中)——
4.5V开关K1和K2接通前电容器均未带电,试求K1和K2接通后三个电容器的电压Uao 、Ubo和Uco各为多少
【解说】这是一个栲查电容器电路的基本习题,解题的关键是要抓与o相连的三块极板(俗称“孤岛”)的总电量为零
【伸展应用】如图7-22所示,由n个单元组荿的电容器网络每一个单元由三个电容器连接而成,其中有两个的电容为3C 另一个的电容为3C 。以a、b为网络的输入端a′、b′为输出端,紟在a、b间加一个恒定电压U 而在a′b′间接一个电容为C的电容器,试求:(1)从第k单元输入端算起后面所有电容器储存的总电能;(2)若紦第一单元输出端与后面断开,再除去电源并把它的输入端短路,则这个单元的三个电容器储存的总电能是多少
【解说】这是一个结匼网络计算和“孤岛现象”的典型事例。
所以从输入端算起,第k单元后的电压的经验公式为 Uk =
再算能量储存就不难了
(2)断开前,可以算出第一单元的三个电容器、以及后面“系统”的电量分配如图7-23中的左图所示这时,C1的右板和C2的左板(或C2的下板和C3的右板)形成“孤岛”此后,电容器的相互充电过程(C3类比为“电源”)满足——
电量关系:Q1′= Q3′
〖学员思考〗图7-23展示的过程中始末状态的电容器储能是否一样?(答:不一样;在相互充电的过程中导线消耗的焦耳热已不可忽略。)