集成学习:AdaBoost
来源:互联网 发布:av淘宝taobaocom 编辑:程序博客网 时间:2024/06/02 03:13
集成学习
集成学习通过构建并合并多个学习器来完成学习任务,有时也被称为多分类器系统。
如果在集成学习中我们使用的学习器只包括同种类型的个体学习器,如“决策树集成”中全是决策树,这种集成叫同质集成,这里面的个体学习器称之为“基学习器”,相应的学习算法称之为“基学习算法”,反之称为“异质集成”,个体学习器称为“组件学习器”。
集成学习的结果通过投票法产生,即“少数服从多数”。
对个体学习器的要求:
- 准确性:个体学习器应该有一定的准确性。
- 多样性:个体学习器间应该具有差异性。
集成学习大致可以分为两类:
- 个体学习器间存在强依赖关系,必须串行生成序列化的方法,如Boosting。
- 个体学习器间不存在强依赖关系,可同时生成的并行化方法,如Bagging,和随机森林。
AdaBoost
Boosting是一族可以将弱学习器提升为强学习器的算法,AdaBoost(adaptive boosting自适应增强)是Boost一族的典型代表。
AdaBoost算法流程
训练集
- 步骤一:
初始化训练数据的权值分布,一开始每一个样本赋予相同的权值1N D1=(w11,w1,2,...,w1N),w1i=1N,i=1,2,...,N 步骤二:
进行多轮的迭代学习,使用具有权值分布的Dm 的训练数据集来学习,得到基本分类器。分对的样本的权值会降低,分错的样本的权值会增加,目的是使分错的训练样本得到更多的关注。每个学习器都会有一个权值am ,am 的值是基于每个弱分类器的错误率ϵm 进行计算的。ϵ=未正确分类的样本数目所有样本数目 ϵm=P(Gm(xi)≠yi)=ΣNi=1wmiI(Gm(xi)≠yi)
学习器的权值为αm=12ln(1−ϵϵ)
从这个公式可以看出当ϵ 小于0.5时α>=0 ,意味着学习器的误差率越小的基学习器在最终的分类器中作用越大。
然后我们还需要做的就是更新样本的权值Dm+1=(wm+1,1,wm+1,2,...,wm+1,N) wm+1,i=wmiZmexp(−αmyiGm(xi)),i=1,2,...,N
这样可以使得被基本分类器Gm(x)误分类样本的权值增大,而被正确分类样本的权值减小。
其中Zm 是规范化因子,可以使得Dm+1 成为一个概率分布Zm=ΣNi=1wmiexp(−αmyiGm(xi))
具体的证明过程参见周志华《机器学习》P172~P176。步骤三:
组合各弱学习器:f(x)=ΣMm=1αmGm(x)
得到最终的分类器为G(x)=sign(f(x))=sign(ΣMm=1αmGm(x)) sign(x) 在x<0,x=0,x>0 时取值为-1,0,1
参考这个图片可以更加形象的理解AdaBoost的流程。
伪代码表示:
Python 实现
AdaBoost.py
#-*- coding=utf8 -*-from numpy import *def loadData(): dataMat = matrix([[1.,2.1], [2.,1.1], [1.3,1.1], [1.,1.], [2.,1.]]) classLabel = [1.0,1.0,-1.0,-1.0,1.0] return dataMat,classLabel#根据数据与阀值的比较进行分类def stumpClassify(dataMatrix,dimen,threshVal,threshIneg): retArray = ones((shape(dataMatrix)[0],1)) if threshIneg == 'lt': retArray[dataMatrix[:,dimen]<= threshVal] = -1.0 else: retArray[dataMatrix[:,dimen]> threshVal] = -1.0 return retArray#创建最佳的单层决策树def buildStump(dataArr,classLabels,D): dataMatrix = mat(dataArr); labelMat = mat(classLabels).T m,n=shape(dataMatrix) #initial numSteps = 10.0 bestStump ={} bestClasEst = mat(zeros((m,1))) minerror = inf #遍历属性 for i in range(n): rangeMin = dataMatrix[:,i].min() rangeMax = dataMatrix[:,i].max() stepSize = (rangeMax -rangeMin)/numSteps for j in range(-1,int(numSteps)+1): for inequal in ['lt','gt']: #设定阀值 threshVal = (rangeMin+float(j)*stepSize) predictedVals = stumpClassify(dataMatrix,i,threshVal,inequal) errArr = mat(ones((m,1))) errArr[predictedVals==labelMat]=0 weightedError = D.T*errArr if weightedError < minerror: minerror = weightedError bestClasEst = predictedVals.copy() bestStump['dim'] = i bestStump['thresh']=threshVal bestStump['ineq'] = inequal #返回单层决策树的节点,误差,以及预测值 return bestStump,minerror,bestClasEst#基于单层决策树的AdaBoost训练过程def AdaBoostTrainDS(dataArr,classLabels,numIt=40): #弱分类器的列表 weakClassArr=[] m = shape(dataArr)[0] #step1:初始化训练数据的权值 D = ones((m,1))/m aggClassEst = mat(zeros((m,1))) #串行训练各个弱分类器 for i in range(numIt): bestStump,error,classEst = buildStump(dataArr,classLabels,D) print "D: ",D.T #计算学习器的权值 alpha = float(0.5 * log((1.0 - error)/max(error, 1e-16))) bestStump['alpha']=alpha weakClassArr.append(bestStump) print "classEst: ",classEst.T #更新数据的权值 expon = multiply(-1*alpha*mat(classLabels).T,classEst) D = multiply(D,exp(expon)) D = D/D.sum() aggClassEst += alpha * classEst print "aggClassEst: ",alpha*classEst aggErrors = multiply(sign(aggClassEst)!=mat(classLabels).T,ones((m,1))) errorRate = aggErrors.sum()/m print "total error: ",errorRate,"\n" if errorRate == 0.0: break; return weakClassArr#AdaBoost分类器def adaClassify(datToClass,classfierArr): dataMatrix = mat(datToClass) m = shape(dataMatrix)[0] aggClassEst = mat(zeros((m,1))) for i in range(len(classfierArr)): classEst = stumpClassify(dataMatrix,classfierArr[i]['dim'],classfierArr[i]['thresh'],classfierArr[i]['ineq']) aggClassEst +=classfierArr[i]['alpha']*classEst print aggClassEst return sign(aggClassEst)
test.py
import AdaBoostfrom numpy import *#import api#test loadDatadataMat,classLabel = AdaBoost.loadData()print dataMat#test buildStumpD = mat(ones((5,1))/5)print AdaBoost.buildStump(dataMat,classLabel,D)#test AdaBoostclassifierArr=AdaBoost.AdaBoostTrainDS(dataMat,classLabel,9)#test classifierprint AdaBoost.adaClassify([[0,0],[5,5]],classifierArr)
1 0
- 集成学习 bagging-adaboost
- 集成学习:AdaBoost
- 集成学习---AdaBoost算法
- 集成学习之AdaBoost
- 集成学习之Adaboost
- 集成学习之AdaBoost
- 机器学习-->集成学习-->Adaboost
- AdaBoost集成学习算法【转载】
- 机器学习之集成学习之adaboost
- 基于集成学习——Adaboost算法
- 集成学习-adaboost,bagging,随机森林
- 集成学习之Adaboost算法原理小结
- 集成学习:Boosting及Adaboost、Gradient boosting
- 集成学习之Adaboost算法原理小结
- 集成学习之Adaboost算法原理小结
- 集成学习之Adaboost算法原理小结
- 集成学习(ensemble learning)之AdaBoost
- 集成学习之Adaboost算法原理小结
- GridView的基本知识--翻译自google官方文档
- hdu1253(bfs)
- linux中fork()函数详解
- java的反射机制浅谈
- 导出Maven项目所依赖的jar包
- 集成学习:AdaBoost
- swustOJ 1378 Best Grass
- Eclipse使用maven构建web项目
- JCR集成Java内容仓库和Spring
- 启动数据库报错ORA-01078,LRM-00109
- Git学习(五)----Git工作区&暂存区&版本库(“三巨头”)、删除文件、撤销操作
- 五十道编程小题目解答版——(第一篇)
- IOS 网络浅析-(八 NSURLSession简介)
- PHP的db.inc.php(dao层的工作)