Python实现Adaboost
1.Adaboost概念
提升方法的思路是综合多个分类器,得到更准确的分类结果。 即“三个臭皮匠顶个诸葛亮”。《统计学习方法》称AdaBoost是提升算法的代表,所谓提升算法,指的是一种常用的统计学习方法,应用广泛且有效。在分类问题中,它通过改变训练样本的权重,学习多个分类器,并将这些分类器进行线性组合,提髙分类的性能。
AdaBoost算法的基本思想:
1)多轮训练,多个分类器
2)每轮训练增加错误分类样本的权值,降低正确分类样本的权值
3)降低错误率高的分类器的权值,增加正确率高的分类器的权值
2.Adaboost算法流程
给定一个二类分类的训练数据集,T={(x1,y1),(x2,y2),…(xn,yn)}T=\{({x_1},y_1),({x_2},y_2),\dots({x_n},y_n)\}T={(x1,y1),(x2,y2),…(xn,yn)},其中χi∈X⊆Rnχ_i∈X⊆ R^nχi∈X⊆Rn表示实例的特征向量,yi∈Y∈{+1,−1}y_i∈Y\in\{+1,-1\}yi∈Y∈{+1,−1},XXX是实例空间,YYY是标记集合。AdaBoost利用以下算法,从训练数据中学习一系列弱分类器或基本分类器,并将这些弱分类器线性组合成为一个强分类器。
AdaBoost算法
输入:训练数据集T={(x1,y1),(x2,y2),…(xn,yn)}T=\{({x_1},y_1),({x_2},y_2),\dots({x_n},y_n)\}T={(x1,y1),(x2,y2),…(xn,yn)},其中χi∈X⊆Rnχ_i∈X⊆ R^nχi∈X⊆Rn,yi∈Y∈{+1,−1}y_i∈Y\in\{+1,-1\}yi∈Y∈{+1,−1};弱学习算法;
输出:最终分类器G(x)G(x)G(x)。
(1)初始化训练数据的权值分布
D1=(W11,...,W1i,...,W1n)D_1=(W_{11},...,W_{1i},...,W_{1n})D1=(W11,...,W1i,...,W1n)
每个w的下标由两部分构成,前一个数表示当前迭代次数,与D的下标保持一致,后一个数表示第几个权值,与位置保持一致。初始情况下,每个权值都是均等的。
(2)对m=1,2,...Mm=1,2,...Mm=1,2,...M
(这里的M表示训练的迭代次数,是由用户指定的。每轮迭代产生一个分类器,最终就有M个分类器,当然我们也可以设置一些条件,满足某些条件时跳出迭代,例如,所有样本都分对了,误差为0时,跳出迭代):
(a)使用具有权值分布的训练数据集学习,得到基本分类器
Gm(x):X→{+1,−1}G_m(x):X{\rightarrow} \{+1,-1\}Gm(x):X→{+1,−1}
(b)在Gm(x)G_m(x)Gm(x)训练数据集上的分类误差率
em=∑iNP(Gm(xi)≠yi)=∑iNwmiI(Gm(xi)≠yi))e_m=\sum_i^NP(G_m(x_i){\neq}y_i)=\sum_i^Nw_{mi}I(G_m(x_i){\neq}y_i))em=∑iNP(Gm(xi)̸=yi)=∑iNwmiI(Gm(xi)̸=yi))
分类误差率这个名字可能产生误解,这里其实是个加权和。
(c)计算Gm(x)G_m(x)Gm(x)的系数
αm=12log1−emem\alpha_m = \frac{1}{2}log{\frac{1-e_m}{e_m}}αm=21logem1−em
这里的对数是自然对数。ama_mam表示Gm(x)G_m(x)Gm(x)在最终分类器中的重要性。由式αm=12log1−emem\alpha_m = \frac{1}{2}log{\frac{1-e_m}{e_m}}αm=21logem1−em可知,当em<=1/2e_m<=1/2em<=1/2时,am>=0a_m>=0am>=0,并且ama_mam随着eme_mem的减小而增大,所以分类误差率越小的基本分类器在最终分类器中的作用越大。
(d)更新训练数据集的权值分布
Dm+1=(Wm+1,1,...,Wm+1,i,...,Wm+1,n)D_{m+1}=(W_{m+1,1},...,W_{m+1,i},...,W_{m+1,n})Dm+1=(Wm+1,1,...,Wm+1,i,...,Wm+1,n)
wm+1,i=wm,iZme−αmyiGm(xi)w_{m+1, i}=\frac{w_{m, i}}{Z_m}e^{-\alpha_my_iG_m(x_i)}wm+1,i=Zmwm,ie−αmyiGm(xi)
y只有正负一两种取值,所以上式可以写作:
wm+1,i={wmiZme−am,Gm(xi)=yiwmiZmeam,Gm(xi)≠yiw_{m+1,i}=\begin{cases} \frac{w_{mi}}{Z_m}e^{-a_m},G_m(x_i)=y_i \\ \frac{w_{mi}}{Z_m}e^{a_m},G_m(x_i){\neq}y_i \end{cases}wm+1,i={Zmwmie−am,Gm(xi)=yiZmwmieam,Gm(xi)̸=yi
这里,ZmZ_mZm是规范化因子
Zm=∑i=1Nwmiexp(−αmyiGm(xi))Z_m=\sum_{i=1}^Nw_{m i}exp({-\alpha_my_iG_m(x_i)})Zm=∑i=1Nwmiexp(−αmyiGm(xi))
它使Dm+1D_{m+1}Dm+1成为一个概率分布。
由此可知,被基本分类器误分类样本的权值得以扩大,而被正确分类样本的权值却得以缩小。两相比较,误分类样本的权值被放大e2am=1−ememe^{2am} = {\frac{1-e_m}{e_m}}e2am=em1−em倍。因此,误分类样本在下一轮学习中起更大的作用。不改变所给的训练数据,而不断改变训练数据权值的分布,使得训练数据在基本分类器的学习中起不同的作用,这是AdaBoost的一个特点。
(3)构建基本分类器的线性组合:
f(x)=∑m=1MamGm(x)f(x)=\sum_{m=1}^{M}a_mG_m(x)f(x)=∑m=1MamGm(x)
得到最终分类器:
G(x)=sign(f(x))=sign(∑m=1MamGm(x))G(x)=sign(f(x))=sign(\sum_{m=1}^{M}a_mG_m(x))G(x)=sign(f(x))=sign(∑m=1MamGm(x))
这里需要注意的是,我们得到的是M个f(x)方程,需要将每个方程的结果求和,最好只取结果的正负号,在Adaboost中我们的预测结果与数值是无关的。
3.完整代码
代码运行结果:
# -*- coding: utf-8 -*-
"""@Time : 2018/12/04 13:58@Author : hanzi5@Email : hanzi5@yeah.net@File : Adaboost.py@Software: PyCharm
"""
import numpy as np
#import pandas as pd
import matplotlib
import matplotlib.pyplot as pltmatplotlib.rcParams['font.family']='SimHei' # 用来正常显示中文
plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号def splitDataSet(dataSet, i, value,types='lt'):"""
#划分数据集,只进行一次划分的树,将划分后的结果返回:param dataSet: 数据:param i: 特征的下标:param value: 阈值:param types: 大于或小于:return: 分类结果,注意返回的直接就是1,-1分类结果"""retArray = np.ones((np.shape(dataSet)[0],1)) # 默认类型都为1if types=='lt': # 使用(小于等于value)划分数据,满足条件的将结果值改为-1retArray[dataSet[:,i]<=value]= -1.0 elif types=='gt': # 使用(大于value)划分数据,满足条件的将结果值改为-1retArray[dataSet[:,i]>value]= -1.0 return retArray def bulidSimpleTree(dataSet,y,D):"""
创建一个最简单的树,只进行一次划分,相当于一个树桩:param dataSet: 数据特征矩阵:param y: 标签向量:param D: 训练数据的权重向量:return: 最佳决策树,最小的错误率加权和,最优预测结果"""m,n=dataSet.shape # 样本行数及列数numFeatures = len(dataSet[0]) - 1 # 最后一列为y,计算x特征列数numSteps=10 # 用于计算步长,进行numSteps等分minError=np.inf # 初始化损失值bestTree={} # 使用dict存储最优的一系列树for i in range(numFeatures): # 遍历所有x特征列# i=0rangeMin = dataSet[:, i].min() # 该xi维的最小值rangeMax = dataSet[:, i].max() # 该xi维的最大值stepSize = (rangeMax - rangeMin) / numSteps # 步长for j in range(-1,int(numSteps) + 1): # 循环寻找最优切分点# j=-1for inequal in ['lt', 'gt']: # 遍历(lt小于等于)及(gt大于)# inequal=1value = (rangeMin + float(j) * stepSize) # 切分值predictedVals = splitDataSet(dataSet, i, value, inequal) # 获取切分后的数据errArr = np.mat(np.ones((m, 1)))errArr[predictedVals == y] = 0 # 预测正确的样本对应的错误率为0,否则为1weightedError=D.T*errArr # 《统计学习方法》李航P138,8.1,计算训练数据上的分类误差率if weightedError < minError: # 记录最优树桩决策树分类器minError = weightedError # 计算错误率加权和bestClasEst = predictedVals.copy() # 最好的预测结果bestTree['column'] = i # 维度xbestTree['splitValue'] = value # 切分值bestTree['ineq'] = inequal # 切分方法(lt小于等于)及(gt大于)return bestTree, minError, bestClasEst# 基于单层决策树的adaboost分类器
def adaboost(dataSet,maxLoop=100):"""
基于单层决策树的ada训练:param dataSet: 样本x及y:param maxLoop: 迭代次数:return: 一系列弱分类器及其权重,样本分类结果"""adaboostTree=[]m,n=dataSet.shape # 样本行数及列数y=dataSet[:,-1].reshape((-1,1)) # 将y提取出来,方便进行计算D = np.array(np.ones((m,1))/m) # 将每个样本的权重初始化为均等,有多少条数据就有多少个daggClassEst = np.mat(np.zeros((m,1))) # 每个数据点的类别估计累计值for i in range(maxLoop): # maxLoop超参数,总迭代次数bestTree, minError, bestClasEst=bulidSimpleTree(dataSet,y,D)alpha=0.5*np.log((1-minError)/(minError+0.00001)) # 《统计学习方法》李航P139,8.2,计算Gm的系数,分母加一个小数避免除数为0bestTree['alpha'] = alpha.getA()[0][0] # 将matrix中的值提取出来,并加入到bestTree中adaboostTree.append(bestTree) # 将树存入list中存储D=D*np.exp(-alpha.getA()[0][0]*y*bestClasEst) # 更新权重D,《统计学习方法》李航P139,8.3-8.5,计算Gm(x)的系数D=D/D.sum() # 归一化权重值,统计学习方法》李航P139,8.5,计算Zm# 计算所有分类器的误差,如果为0则终止训练aggClassEst += alpha.getA()[0][0]*bestClasEst # 分类估计累计值,adaboost是线性运行的,需要将每次的树预测结果相加aggErrors = np.multiply(np.sign(aggClassEst) != np.mat(y),np.ones((m,1))) # aggClassEst每个元素的符号代表分类结果,如果与y不等则表示错误,统计学习方法》李航P138,8.8errorRate = aggErrors.sum()/m # 平均分类误差print( "total error: ",errorRate)if errorRate == 0.0: # 平均分类误差等于0的,说明数据已经全部分类正确,跳出循环breakreturn adaboostTree,aggClassEstdef adaClassify(data, adaboostTree):"""
对预测数据进行分类:param data: 预测样本x及y:param adaboostTree: 使用训练数据,训练好的决策树:return: 预测样本分类结果"""dataMatrix = np.mat(data) m = np.shape(dataMatrix)[0]aggClassEst = np.mat(np.zeros((m, 1)))for i in range(len(adaboostTree)): # 遍历所有adaboostTree,将估计值累加classEst = splitDataSet(dataMatrix, adaboostTree[i]['column'], adaboostTree[i]['splitValue'], adaboostTree[i]['ineq']) aggClassEst += adaboostTree[i]['alpha'] * classEst # 分类估计累计值,adaboost是线性运行的,需要将每次的树预测结果相加result = np.sign(aggClassEst) # 只取正负号,《统计学习方法》李航P139,8.8return resultdef plotData(dataSet):"""
数据画图"""type1_x1 = []type1_x2 = []type2_x1 = []type2_x2 = []# 取两类x1及x2值画图type1_x1 = dataSet[dataSet[:,-1] == -1][:,:-1][:,0].tolist()type1_x2 = dataSet[dataSet[:,-1] == -1][:,:-1][:,1].tolist()type2_x1 = dataSet[dataSet[:,-1] == 1][:,:-1][:,0].tolist()type2_x2 = dataSet[dataSet[:,-1] == 1][:,:-1][:,1].tolist()# 画点fig = plt.figure()ax = fig.add_subplot(111)ax.scatter(type1_x1,type1_x2, marker='s', s=90)ax.scatter(type2_x1,type2_x2, marker='o', s=50, c='red')plt.title('Adaboost训练数据')if __name__ == '__main__':print('\n1、Adaboost,开始')dataSet = np.array([[ 1. , 2.1, 1 ],[ 2. , 1.1, 1 ],[ 1.3, 1. , -1],[ 1. , 1. , -1],[ 2. , 1. , 1 ]])#classLabels = [1.0, 1.0, -1.0, -1.0, 1.0]# 画图print('\n2、Adaboost数据画图')plotData(dataSet)print('\n3、计算Adaboost树')adaboostTree,aggClassEst=adaboost(dataSet)# 对数据进行分类print('\n4、对[5,5],[0, 0]点,使用Adaboost进行分类:')print( adaClassify([[5,5],[0, 0]], adaboostTree))
参考资料:
1、《机器学习实战》Peter Harrington著
2、《机器学习》西瓜书,周志华著
3、 斯坦福大学公开课 :机器学习课程
4、机器学习视频,邹博
5、《统计学习方法》李航
6、提升方法
7、分类——组合算法之提升1:AdaBoost提升算法以及Python实现
转载于:https://www.cnblogs.com/hanzi5/p/10105613.html
Python实现Adaboost相关推荐
- 利用python进行AdaBoost模型预测
以信用卡违约数据为例,该数据集来源于UCI网站,一共包30 000条记录和25个变量,其中自变量包含客户的性别.受教育水平.年龄.婚姻状况.信用额度.6个月的历史还款状态.账单金额以及还款金额,因变量 ...
- python实现AdaBoost算法
★ AdaBoost的理解: 对于二分类而言,我们通过一个阈值threshVal将数据集划分为两种分类(正类和负类),而这个阈值就是我们所说的分割线,只不过它总是平行于坐标轴(因为我们取的基分类器是 ...
- AdaBoost + iris数据集实现+python
AdaBoost 关于AdaBoost有很多文章,不多说了: https://www.cnblogs.com/ScorpioLu/p/8295990.html 简单来说就是对数据集取不同的分类做成弱分 ...
- 【机器学习实战】第7章 集成方法(随机森林和 AdaBoost)
第7章 集成方法 ensemble method 集成方法: ensemble method(元算法: meta algorithm) 概述 概念:是对其他算法进行组合的一种形式. 通俗来说: 当做重 ...
- 数据挖掘十大经典算法之——AdaBoost 算法
数据挖掘十大经典算法系列,点击链接直接跳转: 数据挖掘简介及十大经典算法(大纲索引) 1. 数据挖掘十大经典算法之--C4.5 算法 2. 数据挖掘十大经典算法之--K-Means 算法 3. 数据挖 ...
- 《零起点,python大数据与量化交易》
<零起点,python大数据与量化交易>,这应该是国内第一部,关于python量化交易的书籍. 有出版社约稿,写本量化交易与大数据的书籍,因为好几年没写书了,再加上近期"前海智库 ...
- 集成方法-随机森林和AdaBoost
本文转载自:https://github.com/apachecn/MachineLearning 集成方法: ensemble method(元算法: meta algorithm) 概述 概念:是 ...
- python算法完整教程专栏完整目录
python算法完整教程专栏完整目录 专栏说明如下 专栏目录 专栏说明如下 内容:python算法完整教程 数量:692篇博文(2023年2月15日截止) 更新时间至:2023年2月15日(后续加上去 ...
- 【机器学习实战】第7章 集成方法 随机森林(RandomForest)和 Adaboost
第7章 集成方法 ensemble method 集成方法: ensemble method(元算法: meta algorithm) 概述 概念:是对其他算法进行组合的一种形式. 通俗来说: 当做重 ...
最新文章
- win32ctypes.pywin32.pywintypes.error: (2, ‘LoadLibraryEx‘, ‘系统找不到指定的文件。‘)
- Binary Search O(log n) algorithm to find duplicate in sequential list?
- easyui filebox 文件上传
- Xilinx IP解析之Processor System Reset v5.0
- 蓝桥备赛第一周2021.1.11 递归 枚举 位运算
- 为ie和chrome FF单独设置样式的“条件注释法”、“类内属性前缀法”、“选择器前缀法”、实现方法 案例(推荐)
- 主题模型TopicModel:LDA中的数学模型
- 河南工业大学2017校赛题解
- java jdbc 链接pg_使用PostgreSQL JDBC连接池
- [python] ylgy攻略 用魔法打败魔法
- python爬虫小案例
- 【python】一键修改小米运动步数,同步微信、支付宝 运动步数
- java 图片导出word_【freemaker实现导出word②】代码实现导出word(包括导出list数据和导出图片到word)...
- linux添加菜单栏,Gnome desktop主菜单中添加自己的菜单栏
- 如何把MP4转为GIF格式
- C++学习笔记(九)——运算符重载
- 【洛谷P5514】永夜的报应【模拟】
- js如何保留对象中指定字段(太刁了)
- 红队武器库-网络安全人员必备
- Windows下Armadillo配置及测试
热门文章
- CCIE理论-第一篇-SDN概念复习
- 【BZOJ - 1305】dance跳舞(拆点网络流,建图,最大流,残留网络上跑最大流)
- 【牛客 - 373B】666RPG(线性计数dp)
- 【CodeForces - 608D】Zuma(区间dp)
- NYOJ-14 会场安排问题(经典贪心,区间完全不覆盖模板)
- 1.Hello,Python
- mysql权重怎么配置_mysql如何按权重查询数据啊?
- android 获取默认程序图标,android – PackageManager.getApplicationIcon()返回默认图标?...
- 通过反射创建私有化构造的类,并为私有化属性复制。调用私有化方法
- rust 案例_RUST-X气相防锈产品落户中国,助力中国高端制造出口海外