编程实现AdaBoost算法
编码实现AdaBoost算法,以决策树为基学习器,训练一个AdaBoost集成模型,对测试样本进行判别。
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import AdaBoostClassifier
from sklearn.datasets import load_iris
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
import numpy as np
data = np.loadtxt('data/wine.data',delimiter=',')
X = data[:,1:]
y = data[:,0:1]
X_train,X_test,y_train,y_test = train_test_split(X,y.ravel(),train_size=0.8,random_state=0)
#补充定义弱分类器的代码
model = AdaBoostClassifier(DecisionTreeClassifier(max_depth = 2),algorithm = 'SAMME',n_estimators =10)#补充定义、训练AdaBoost分类器的代码
model.fit(X_train,y_train)
#评估模型在训练集上的精度
y_train_hat = model.predict(X_train)
print("train accuarcy:",accuracy_score(y_train,y_train_hat))
#补充评估模型在测试集上的精度的代码
y_test_hat = model.predict(X_test)
print (" test accuarcy:",accuracy_score(y_test,y_test_hat ))
代码仅供参考学习,俺用的数据集找不到了。
编程实现AdaBoost算法相关推荐
- 【白话机器学习】算法理论+实战之AdaBoost算法
1. 写在前面 如果想从事数据挖掘或者机器学习的工作,掌握常用的机器学习算法是非常有必要的,常见的机器学习算法: 监督学习算法:逻辑回归,线性回归,决策树,朴素贝叶斯,K近邻,支持向量机,集成算法Ad ...
- Adaboost算法——详细讲解
最近在做集成学习的时候,对Adaboost非常感兴趣,就自己复现了这个程序. 首先提升方法是基于这样的一个思想:对于一个复杂的任务来说,通将多个专家的判断进行适当的综合所得到的判断,这样得到的结果会比 ...
- 集成学习(三):adaboost算法推导
adaboost概念(Adaptive Boosting) adaboost算法分析与推导 前向分步算法与adaboost adaboost算法总结 参考与推荐 adaboost概念(Adaptive ...
- 04 集成学习 - Boosting - AdaBoost算法构建
03 集成学习 - Boosting - AdaBoost算法原理 十.AdaBoost算法构建 上一章最后说明了每个基模型的权值α是如何求得的,于是我就可以对模型进行更新操作了. 构建过程一 1.假 ...
- 基于Adaboost算法的人脸检测分类器!
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货 作者:陈锴,Datawhale优秀学习者,中山大学数学系 人脸检测属于计 ...
- Adaboost 算法的原理与推导
Adaboost 算法的原理与推导 0 引言 一直想写Adaboost来着,但迟迟未能动笔.其算法思想虽然简单:听取多人意见,最后综合决策,但一般书上对其算法的流程描述实在是过于晦涩.昨日11月1日下 ...
- 计算机算法对程序设计的作用,计算机编程中数学算法的优化策略
李钰 摘要:在计算机编程中,合理地运用数学算法所拥有的优势不但可以完好地针对所拥有的问题进行总结分类归纳,还可以将其归纳作为基础从而进行针对性的统一计算,并且能够将非常复杂的问题进行整体的简化并且将其 ...
- 机器学习知识点(十六)集成学习AdaBoost算法Java实现
理解http://blog.csdn.net/fjssharpsword/article/details/61913092中AdaBoost算法,从网上找了一套简单的代码加以理解. 1.基分类器,实现 ...
- LESSON 11.4 原理进阶:AdaBoost算法流程详解
2 原理进阶:AdaBoost的求解流程 在使用AdaBoost算法时,我们并不需要对AdaBoost的具体求解流程掌握太过于深入.严格来说,只要知道参数的含义,即便我们完全不了解AdaBoost的求 ...
最新文章
- 完胜BERT!NLP预训练利器:小模型也有高精度,单个GPU就能训练
- c语言停止线程,如何用C语言实现多线程
- 爱奇艺在 Dubbo 生态下的微服务架构实践
- 华为鸿蒙系统推出的背景美国,鸿蒙系统+麒麟芯片,流畅度相当ios,手机性能不输苹果芯片...
- Eclipse Validating减少不必要的验证
- php validator classes
- Factorization Machines 学习笔记(二)模型方程
- bzoj1088 [SCOI2005]扫雷Mine
- 如何添加BigBoss的Cydia源地址
- MyDiskTest硬盘检测绿色版
- 有个懂你的人,是温暖
- iOS开发者Matt Gemmell谈iOS 7
- 微信小程序定位权限封装
- 4.1 数据仓库基础与Apache Hive入门
- 单周期MIPS CPU设计
- 谷歌浏览器html调试iphone11,如何用windows电脑+ios调试手机上打开的网页
- 2022年全球注释软件行业分析报告
- Python爬虫解决推广链接(跳转网页)的办法
- 15款值得推荐的思维导图(心智图 )工具
- mac vim无法wq保存
热门文章
- Nat. Methods | 基于机器学习和生物物理的蛋白质-肽相互作用预测
- JavaMail怎样获取收件箱,发件箱,垃圾箱等等的全名
- Centos 7.6 Install bitnami_Redmine+agile 4.0.1
- 【C语言】库函数标准详细解读和EOF术语
- python怎么处理文档_7.python文件的处理方式
- 【优化算法】信赖域折线(狗腿)法(Trust Region Dogleg Method)
- 三极管的介绍及工作原理
- Kindle PaperWhite 3
- java程序设计计算机二级,计算机二级Java程序设计真题及答案
- 配置firewire or IEEE1394摄像机环境