转发 from http://www.cnblogs.com/NextNight/p/6227526.html
1.基本思想:
综合某些专家的判断,往往要比一个专家单独的判断要好。在”强可学习”和”弱可学习”的概念上来说就是我们通过对多个弱可学习的算法进行”组合提升或者说是强化”得到一个性能赶超强可学习算法的算法。如何地这些弱算法进行提升是关键!AdaBoost算法是其中的一个代表。
2.分类算法提升的思路:
1.找到一个弱分类器,分类器简单,快捷,易操作(如果它本身就很复杂,而且效果还不错,那么进行提升无疑是锦上添花,增加复杂度,甚至上性能并没有得到提升,具体情况具体而论)。
2.迭代寻找N个最优的分类器(最优的分类器,就是说这N个分类器分别是每一轮迭代中分类误差最小的分类器,并且这N个分类器组合之后是分类效果最优的。)。
在迭代求解最优的过程中我们需要不断地修改数据的权重(AdaBoost中是每一轮迭代得到一个分类结果与正确分类作比较,修改那些错误分类数据的权重,减小正确分类数据的权重 ),后一个分类器根据前一个分类器的结果修改权重在进行分类,因此可以看出,迭代的过程中分类器的效果越来越好,所以需要给每个分类器赋予不同的权重。最终我们得到了N个分类器和每个分类器的权重,那么最终的分类器也得到了。
3.算法流程:(数据默认:M*N,M行N列,M条数据,N维 )
输入:训练数据集,:弱学习算法(xi表示数据i[数据i是个N列/维的],yi表示数据的分类为yi,Y={-1,1}表示xi在某种规则约束下的分类可能为-1或+1)
输出:最终分类器G(x)
1)初始化训练数据的权值分布(初始化的时候每一条数据权重均等)
,M表示数据的个数,i=1,2,3…M
2)j=1,2,3,…,J(表示迭代的次数/或者最终分类器的个数,取决于是否能够使分类误差为0)
a)使用具有权值分布Dj的训练数据集学习,得到基本的分类器
Gj(x):X->{-1,+1}
b)计算Gj(x)在训练集上的分类误差率
求的是分错类别的数据的权重值和,表示第i个数据的权重Dj[i]
c)计算Gj(x)第j个分类器的系数(权重),ln表示以E为底的自然对数跟ej没什么关系,ej表示的是分类错误率。
d)更新训练数据集的权重Dj+1,数据集的权重是根据上一次权重进行更新的, i=1,2,3…M(xi表示第i条数据)
Z是规范化因子,他表示所有数据权重之和,它使Dj+1成为一个概率分布。
3)构建基本分类器的线性组合
得到最终的分类器:
4.用一组数据来具体解说一下Adaboost的实现过程:
Data:5*2
原始类别:
1.初始化数据权重D1=(1/5,1/5,1/5,1/5,1/5),五条数据所以是5列,w=1/m
2.分类器
通过计算得到误差率最小时V的值,但是最小误差率是由分类结果G(x)得到的,所以这个V值我们只有通过穷举得到。
1).按第一维度来分类:
我们找到第一维所有数据的极值(min=1,max=2),我们从最小的数据1开始,每次增加0.5,即V=min+0.5*n,n表示次数。
当v=1+0.5*1=1.5时,
分类结果G(x):
G(x)=[1<1.5->1,2>1.5->-1,1.3<1.5->1,1<1.5->1,2>1.5->-1]
G(x)=[1,-1,1,1,-1]
误差率为e1:
e1=sum(D[G(xi)!=yi])误分类点的权重和
我们来比较一下分类器的分类结果和原始类别就知道那些分错了:
G(x)=[1,-1,1,1,-1]
Lables=[1,1,-1,-1,1]
对比一下可以发现第2,3,4,5都分错了。
e1=D[2]+D[3]+D[4]+D[5]=0.8
交换一下符号:即
分类结果G(x):
G(x)=[1<1.5->-1,2>1.5->1,1.3<1.5->-1,1<1.5->-1,2>1.5->1]
G(x)=[-1,1,-1,-1,1]
误差率为e1:
G(x)=[-1,1,-1,-1,1]
Lables=[1,1,-1,-1,1]
对比一下可以发现第1个错了。
e1=D[1]=0.2
分类器权重alpha:
Alpha = 0.5*ln((1-0.2)/0.2)
更新数据权重D:
sum(D1)=1
D2=((D1[1]*e(-alpha*-1))/sum(D1), (D1[1]*e(-alpha*1))/1,..)
e的系数最后的+-1取决于是否正确分类,分正确了就是1,分错误了就是-1,前面公式中也有写到。
这里的计算公式是统计学习方法中的,跟机器学习实战中的D的计算有一点出入,在机器学习实战中D是这么计算的:
D2= D1[1]*e(-alpha*-1)
D2=D2/sum(D2)
但是就结果而言,好像影响不大,只是对这个加权误差有影响。
我们得到两个分类器:
当v=1+0.5*2=1.5时,
重复以上步骤得到两个分类器。
当v=1+0.5*s时,一共寻找了2s次
当我们从最小值找分类阈值直到最大值时,我们得到了2s个分类器,s表示寻找的次数。我们记录效果最好的分类器即分类误差最小的分类器。那么我们在一个维度上的寻找就完成了。
2).接下来在第二个维度上寻找,同样得到2s个分类器
。。。
3).直到第N维,总共得到N*2s个分类器,最终在这么多分类器找到一个最优的分类器。一次迭代完成。
3.接下来将上面这个过程重复J次(J表示迭代次数,如果h次(h<J)就得到了误差为0的分类器那么提前结束迭代。)
按所给数据,迭代三次就能够找到误差为零的分类器
看到这里应该对整个过程有了一个了解,对于数据权重D和分类器的权重alpha,以及分类误差率e的计算都有了一个了解,看一下代码:
源码:(源码是按照《机器学习实战》来写的,因为个人对于python不太熟,机器学习实战中的代码运用矩阵来做很多公式中的乘法,有很大的技巧性,可能开始看的时候没法理解这样做,需要和理论结合,理论则是是来自《统计学习方法》)
1 # -*- coding:utf-8 -*- 2 # Filename: AdaBoost.py 3 # Author:Ljcx 4 5 """ 6 AdaBoost提升算法:(自适应boosting) 7 优点:泛化错误率低,易编码,可以应用在大部分分类器上,无参数调整 8 缺点:对离群点敏感 9 10 bagging:自举汇聚法(bootstrap aggregating) 11 基于数据随机重抽样的分类器构建方法 12 原始数据集中重新选择S次得到S个新数据集,将磨沟算法分别作用于这个数据集, 13 最后进行投票,选择投票最多的类别作为分类类别 14 15 boosting:类似于bagging,多个分类器类型都是相同的 16 17 boosting是关注那些已有分类器错分的数据来获得新的分类器, 18 bagging则是根据已训练的分类器的性能来训练的。 19 20 boosting分类器权重不相等,权重对应与上一轮迭代成功度 21 bagging分类器权重相等 22 """ 23 from numpy import* 24 25 26 class Adaboosting(object): 27 28 def loadSimpData(self): 29 datMat = matrix( 30 [[1., 2.1], 31 [2., 1.1], 32 [1.3, 1.], 33 [1., 1.], 34 [2., 1.]]) 35 classLabels = [1.0, 1.0, -1.0, -1.0, 1.0] 36 return datMat, classLabels 37 38 def stumpClassify(self, datMat, dimen, threshVal, threshIneq): 39 """ 40 通过阈值比较进行分类 41 dataMat:数据矩阵 42 dimen:表示列下标 43 threshVal:阈值 44 threshIneq:不等号 lt, gt 45 只是简单的将数据分为两类-1,1,初始化了一个全1的矩阵,我们判断一下阈值第i列小于/大于阈值的就为-1,(因为我们并不清楚这个划分标准,所以要大于小于都试一次) 46 47 每一个维度的所有数据跟阈值比较,就相当于找到一个点划分所有数据。 48 49 """ 50 # print "-----data-----" 51 # print datMat 52 retArr = ones((shape(datMat)[0], 1)) # m(数据量)行,1列,列向量 53 if threshIneq == 'lt': 54 retArr[datMat[:, dimen] <= threshVal] = -1.0 # 小于阈值的列都为-1 55 else: 56 retArr[datMat[:, dimen] > threshVal] = -1.0 # 大于阈值的列都为-1 57 # print "---------retArr------------" 58 # print retArr 59 return retArr 60 61 def buildStump(self, dataArr, classLables, D): 62 """ 63 单层决策树生成函数 64 """ 65 dataMatrix = mat(dataArr) 66 lableMat = mat(classLables).T 67 m, n = shape(dataMatrix) 68 numSteps = 10.0 # 步数,影响的是迭代次数,步长 69 bestStump = {} # 存储分类器的信息 70 bestClassEst = mat(zeros((m, 1))) # 最好的分类器 71 minError = inf # 迭代寻找最小错误率 72 for i in range(n): 73 # 求出每一列数据的最大最小值计算步长 74 rangeMin = dataMatrix[:, i].min() 75 rangeMax = dataMatrix[:, i].max() 76 stepSize = (rangeMax - rangeMin) / numSteps 77 # j唯一的作用用步数去生成阈值,从最小值大最大值都与数据比较一边了一遍 78 for j in range(-1, int(numSteps) + 1): 79 threshVal = rangeMin + float(j) * stepSize # 阈值 80 for inequal in ['lt', 'gt']: 81 predictedVals = self.stumpClassify( 82 dataMatrix, i, threshVal, inequal) 83 errArr = mat(ones((m, 1))) 84 errArr[predictedVals == lableMat] = 0 # 为1的 表示i分错的 85 weightedError = D.T * errArr # 分错的个数*权重(开始权重=1/M行) 86 # print "split: dim %d, thresh %.2f, thresh ineqal:\ 87 #%s,the weighted error is %.3f" % (i, threshVal, inequal, weightedError) 88 if weightedError < minError: # 寻找最小的加权错误率然后保存当前的信息 89 minError = weightedError 90 bestClassEst = predictedVals.copy() # 分类结果 91 bestStump['dim'] = i 92 bestStump['thresh'] = threshVal 93 bestStump['ineq'] = inequal 94 # print bestStump 95 # print minError 96 # print bestClassEst # 类别估计 97 return bestStump, minError, bestClassEst 98 99 def adaBoostingDs(self, dataArr, classLables, numIt=40): 100 """ 101 基于单层决策树的AdaBoosting训练过程: 102 """ 103 weakClassArr = [] # 最佳决策树数组 104 m = shape(dataArr)[0] 105 D = mat(ones((m, 1)) / m) 106 aggClassEst = mat(zeros((m, 1))) 107 for i in range(numIt): 108 bestStump, minError, bestClassEst = self.buildStump( 109 dataArr, classLables, D) 110 print "bestStump:", bestStump 111 print "D:", D.T 112 alpha = float( 113 0.5 * log((1.0 - minError) / max(minError, 1e-16))) 114 bestStump['alpha'] = alpha 115 weakClassArr.append(bestStump) 116 print "alpha:", alpha 117 print "classEst:", bestClassEst.T # 类别估计 118 119 expon = multiply(-1 * alpha * mat(classLables).T, bestClassEst) 120 D = multiply(D, exp(expon)) 121 D = D / D.sum() 122 123 aggClassEst += alpha * bestClassEst 124 print "aggClassEst ;", aggClassEst.T 125 # 累加错误率 126 aggErrors = multiply(sign(aggClassEst) != 127 mat(classLables).T, ones((m, 1))) 128 # 错误率平均值 129 errorsRate = aggErrors.sum() / m 130 print "total error:", errorsRate, "\n" 131 if errorsRate == 0.0: 132 break 133 print "weakClassArr:", weakClassArr 134 return weakClassArr 135 136 def adClassify(self, datToClass, classifierArr): 137 """ 138 预测分类: 139 datToClass:待分类数据 140 classifierArr: 训练好的分类器数组 141 """ 142 dataMatrix = mat(datToClass) 143 m = shape(dataMatrix)[0] 144 aggClassEst = mat(zeros((m, 1))) 145 print 146 for i in range(len(classifierArr)): # 有多少个分类器迭代多少次 147 # 调用第一个分类器进行分类 148 classEst = self.stumpClassify(dataMatrix, classifierArr[i]['dim'], 149 classifierArr[i]['thresh'], 150 classifierArr[i]['ineq'] 151 ) 152 # alpha 表示每个分类器的权重, 153 print classEst 154 aggClassEst += classifierArr[i]['alpha'] * classEst 155 print aggClassEst 156 return sign(aggClassEst) 157 158 159 if __name__ == "__main__": 160 adaboosting = Adaboosting() 161 D = mat(ones((5, 1)) / 5) 162 dataMat, lableMat = adaboosting.loadSimpData() 163 # 训练分类器 164 classifierArr = adaboosting.adaBoostingDs(dataMat, lableMat, 40) 165 # 预测数据 166 result = adaboosting.adClassify([0, 0], classifierArr) 167 print result
运行结果:可以看到迭代三次加权错误率为0
最后有一个对数据[0,0]的预测:weakClassArr表示保存的三个分类器的信息,我们用这个分类器对数据进行预测
三个小数对应的是三个分类器前N个分类加权分类结果累加。对应的-1,-1,-1表示三个分类器对这个数据分类是-1,最后一个表示增强分类器对这个数据的加权求和分类结果为-1
转发 from http://www.cnblogs.com/NextNight/p/6227526.html
1.基本思想:
综合某些专家的判断,往往要比一个专家单独的判断要好。在”强可学习”和”弱可学习”的概念上来说就是我们通过对多个弱可学习的算法进行”组合提升或者说是强化”得到一个性能赶超强可学习算法的算法。如何地这些弱算法进行提升是关键!AdaBoost算法是其中的一个代表。
2.分类算法提升的思路:
1.找到一个弱分类器,分类器简单,快捷,易操作(如果它本身就很复杂,而且效果还不错,那么进行提升无疑是锦上添花,增加复杂度,甚至上性能并没有得到提升,具体情况具体而论)。
2.迭代寻找N个最优的分类器(最优的分类器,就是说这N个分类器分别是每一轮迭代中分类误差最小的分类器,并且这N个分类器组合之后是分类效果最优的。)。
在迭代求解最优的过程中我们需要不断地修改数据的权重(AdaBoost中是每一轮迭代得到一个分类结果与正确分类作比较,修改那些错误分类数据的权重,减小正确分类数据的权重 ),后一个分类器根据前一个分类器的结果修改权重在进行分类,因此可以看出,迭代的过程中分类器的效果越来越好,所以需要给每个分类器赋予不同的权重。最终我们得到了N个分类器和每个分类器的权重,那么最终的分类器也得到了。
3.算法流程:(数据默认:M*N,M行N列,M条数据,N维 )
输入:训练数据集,:弱学习算法(xi表示数据i[数据i是个N列/维的],yi表示数据的分类为yi,Y={-1,1}表示xi在某种规则约束下的分类可能为-1或+1)
输出:最终分类器G(x)
1)初始化训练数据的权值分布(初始化的时候每一条数据权重均等)
,M表示数据的个数,i=1,2,3…M
2)j=1,2,3,…,J(表示迭代的次数/或者最终分类器的个数,取决于是否能够使分类误差为0)
a)使用具有权值分布Dj的训练数据集学习,得到基本的分类器
Gj(x):X->{-1,+1}
b)计算Gj(x)在训练集上的分类误差率
求的是分错类别的数据的权重值和,表示第i个数据的权重Dj[i]
c)计算Gj(x)第j个分类器的系数(权重),ln表示以E为底的自然对数跟ej没什么关系,ej表示的是分类错误率。
d)更新训练数据集的权重Dj+1,数据集的权重是根据上一次权重进行更新的, i=1,2,3…M(xi表示第i条数据)
Z是规范化因子,他表示所有数据权重之和,它使Dj+1成为一个概率分布。
3)构建基本分类器的线性组合
得到最终的分类器:
4.用一组数据来具体解说一下Adaboost的实现过程:
Data:5*2
原始类别:
1.初始化数据权重D1=(1/5,1/5,1/5,1/5,1/5),五条数据所以是5列,w=1/m
2.分类器
通过计算得到误差率最小时V的值,但是最小误差率是由分类结果G(x)得到的,所以这个V值我们只有通过穷举得到。
1).按第一维度来分类:
我们找到第一维所有数据的极值(min=1,max=2),我们从最小的数据1开始,每次增加0.5,即V=min+0.5*n,n表示次数。
当v=1+0.5*1=1.5时,
分类结果G(x):
G(x)=[1<1.5->1,2>1.5->-1,1.3<1.5->1,1<1.5->1,2>1.5->-1]
G(x)=[1,-1,1,1,-1]
误差率为e1:
e1=sum(D[G(xi)!=yi])误分类点的权重和
我们来比较一下分类器的分类结果和原始类别就知道那些分错了:
G(x)=[1,-1,1,1,-1]
Lables=[1,1,-1,-1,1]
对比一下可以发现第2,3,4,5都分错了。
e1=D[2]+D[3]+D[4]+D[5]=0.8
交换一下符号:即
分类结果G(x):
G(x)=[1<1.5->-1,2>1.5->1,1.3<1.5->-1,1<1.5->-1,2>1.5->1]
G(x)=[-1,1,-1,-1,1]
误差率为e1:
G(x)=[-1,1,-1,-1,1]
Lables=[1,1,-1,-1,1]
对比一下可以发现第1个错了。
e1=D[1]=0.2
分类器权重alpha:
Alpha = 0.5*ln((1-0.2)/0.2)
更新数据权重D:
sum(D1)=1
D2=((D1[1]*e(-alpha*-1))/sum(D1), (D1[1]*e(-alpha*1))/1,..)
e的系数最后的+-1取决于是否正确分类,分正确了就是1,分错误了就是-1,前面公式中也有写到。
这里的计算公式是统计学习方法中的,跟机器学习实战中的D的计算有一点出入,在机器学习实战中D是这么计算的:
D2= D1[1]*e(-alpha*-1)
D2=D2/sum(D2)
但是就结果而言,好像影响不大,只是对这个加权误差有影响。
我们得到两个分类器:
当v=1+0.5*2=1.5时,
重复以上步骤得到两个分类器。
当v=1+0.5*s时,一共寻找了2s次
当我们从最小值找分类阈值直到最大值时,我们得到了2s个分类器,s表示寻找的次数。我们记录效果最好的分类器即分类误差最小的分类器。那么我们在一个维度上的寻找就完成了。
2).接下来在第二个维度上寻找,同样得到2s个分类器
。。。
3).直到第N维,总共得到N*2s个分类器,最终在这么多分类器找到一个最优的分类器。一次迭代完成。
3.接下来将上面这个过程重复J次(J表示迭代次数,如果h次(h<J)就得到了误差为0的分类器那么提前结束迭代。)
按所给数据,迭代三次就能够找到误差为零的分类器
看到这里应该对整个过程有了一个了解,对于数据权重D和分类器的权重alpha,以及分类误差率e的计算都有了一个了解,看一下代码:
源码:(源码是按照《机器学习实战》来写的,因为个人对于python不太熟,机器学习实战中的代码运用矩阵来做很多公式中的乘法,有很大的技巧性,可能开始看的时候没法理解这样做,需要和理论结合,理论则是是来自《统计学习方法》)
1 # -*- coding:utf-8 -*- 2 # Filename: AdaBoost.py 3 # Author:Ljcx 4 5 """ 6 AdaBoost提升算法:(自适应boosting) 7 优点:泛化错误率低,易编码,可以应用在大部分分类器上,无参数调整 8 缺点:对离群点敏感 9 10 bagging:自举汇聚法(bootstrap aggregating) 11 基于数据随机重抽样的分类器构建方法 12 原始数据集中重新选择S次得到S个新数据集,将磨沟算法分别作用于这个数据集, 13 最后进行投票,选择投票最多的类别作为分类类别 14 15 boosting:类似于bagging,多个分类器类型都是相同的 16 17 boosting是关注那些已有分类器错分的数据来获得新的分类器, 18 bagging则是根据已训练的分类器的性能来训练的。 19 20 boosting分类器权重不相等,权重对应与上一轮迭代成功度 21 bagging分类器权重相等 22 """ 23 from numpy import* 24 25 26 class Adaboosting(object): 27 28 def loadSimpData(self): 29 datMat = matrix( 30 [[1., 2.1], 31 [2., 1.1], 32 [1.3, 1.], 33 [1., 1.], 34 [2., 1.]]) 35 classLabels = [1.0, 1.0, -1.0, -1.0, 1.0] 36 return datMat, classLabels 37 38 def stumpClassify(self, datMat, dimen, threshVal, threshIneq): 39 """ 40 通过阈值比较进行分类 41 dataMat:数据矩阵 42 dimen:表示列下标 43 threshVal:阈值 44 threshIneq:不等号 lt, gt 45 只是简单的将数据分为两类-1,1,初始化了一个全1的矩阵,我们判断一下阈值第i列小于/大于阈值的就为-1,(因为我们并不清楚这个划分标准,所以要大于小于都试一次) 46 47 每一个维度的所有数据跟阈值比较,就相当于找到一个点划分所有数据。 48 49 """ 50 # print "-----data-----" 51 # print datMat 52 retArr = ones((shape(datMat)[0], 1)) # m(数据量)行,1列,列向量 53 if threshIneq == 'lt': 54 retArr[datMat[:, dimen] <= threshVal] = -1.0 # 小于阈值的列都为-1 55 else: 56 retArr[datMat[:, dimen] > threshVal] = -1.0 # 大于阈值的列都为-1 57 # print "---------retArr------------" 58 # print retArr 59 return retArr 60 61 def buildStump(self, dataArr, classLables, D): 62 """ 63 单层决策树生成函数 64 """ 65 dataMatrix = mat(dataArr) 66 lableMat = mat(classLables).T 67 m, n = shape(dataMatrix) 68 numSteps = 10.0 # 步数,影响的是迭代次数,步长 69 bestStump = {} # 存储分类器的信息 70 bestClassEst = mat(zeros((m, 1))) # 最好的分类器 71 minError = inf # 迭代寻找最小错误率 72 for i in range(n): 73 # 求出每一列数据的最大最小值计算步长 74 rangeMin = dataMatrix[:, i].min() 75 rangeMax = dataMatrix[:, i].max() 76 stepSize = (rangeMax - rangeMin) / numSteps 77 # j唯一的作用用步数去生成阈值,从最小值大最大值都与数据比较一边了一遍 78 for j in range(-1, int(numSteps) + 1): 79 threshVal = rangeMin + float(j) * stepSize # 阈值 80 for inequal in ['lt', 'gt']: 81 predictedVals = self.stumpClassify( 82 dataMatrix, i, threshVal, inequal) 83 errArr = mat(ones((m, 1))) 84 errArr[predictedVals == lableMat] = 0 # 为1的 表示i分错的 85 weightedError = D.T * errArr # 分错的个数*权重(开始权重=1/M行) 86 # print "split: dim %d, thresh %.2f, thresh ineqal:\ 87 #%s,the weighted error is %.3f" % (i, threshVal, inequal, weightedError) 88 if weightedError < minError: # 寻找最小的加权错误率然后保存当前的信息 89 minError = weightedError 90 bestClassEst = predictedVals.copy() # 分类结果 91 bestStump['dim'] = i 92 bestStump['thresh'] = threshVal 93 bestStump['ineq'] = inequal 94 # print bestStump 95 # print minError 96 # print bestClassEst # 类别估计 97 return bestStump, minError, bestClassEst 98 99 def adaBoostingDs(self, dataArr, classLables, numIt=40): 100 """ 101 基于单层决策树的AdaBoosting训练过程: 102 """ 103 weakClassArr = [] # 最佳决策树数组 104 m = shape(dataArr)[0] 105 D = mat(ones((m, 1)) / m) 106 aggClassEst = mat(zeros((m, 1))) 107 for i in range(numIt): 108 bestStump, minError, bestClassEst = self.buildStump( 109 dataArr, classLables, D) 110 print "bestStump:", bestStump 111 print "D:", D.T 112 alpha = float( 113 0.5 * log((1.0 - minError) / max(minError, 1e-16))) 114 bestStump['alpha'] = alpha 115 weakClassArr.append(bestStump) 116 print "alpha:", alpha 117 print "classEst:", bestClassEst.T # 类别估计 118 119 expon = multiply(-1 * alpha * mat(classLables).T, bestClassEst) 120 D = multiply(D, exp(expon)) 121 D = D / D.sum() 122 123 aggClassEst += alpha * bestClassEst 124 print "aggClassEst ;", aggClassEst.T 125 # 累加错误率 126 aggErrors = multiply(sign(aggClassEst) != 127 mat(classLables).T, ones((m, 1))) 128 # 错误率平均值 129 errorsRate = aggErrors.sum() / m 130 print "total error:", errorsRate, "\n" 131 if errorsRate == 0.0: 132 break 133 print "weakClassArr:", weakClassArr 134 return weakClassArr 135 136 def adClassify(self, datToClass, classifierArr): 137 """ 138 预测分类: 139 datToClass:待分类数据 140 classifierArr: 训练好的分类器数组 141 """ 142 dataMatrix = mat(datToClass) 143 m = shape(dataMatrix)[0] 144 aggClassEst = mat(zeros((m, 1))) 145 print 146 for i in range(len(classifierArr)): # 有多少个分类器迭代多少次 147 # 调用第一个分类器进行分类 148 classEst = self.stumpClassify(dataMatrix, classifierArr[i]['dim'], 149 classifierArr[i]['thresh'], 150 classifierArr[i]['ineq'] 151 ) 152 # alpha 表示每个分类器的权重, 153 print classEst 154 aggClassEst += classifierArr[i]['alpha'] * classEst 155 print aggClassEst 156 return sign(aggClassEst) 157 158 159 if __name__ == "__main__": 160 adaboosting = Adaboosting() 161 D = mat(ones((5, 1)) / 5) 162 dataMat, lableMat = adaboosting.loadSimpData() 163 # 训练分类器 164 classifierArr = adaboosting.adaBoostingDs(dataMat, lableMat, 40) 165 # 预测数据 166 result = adaboosting.adClassify([0, 0], classifierArr) 167 print result
运行结果:可以看到迭代三次加权错误率为0
最后有一个对数据[0,0]的预测:weakClassArr表示保存的三个分类器的信息,我们用这个分类器对数据进行预测
三个小数对应的是三个分类器前N个分类加权分类结果累加。对应的-1,-1,-1表示三个分类器对这个数据分类是-1,最后一个表示增强分类器对这个数据的加权求和分类结果为-1
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:[机器学习]-Adaboost提升算法从原理到实践 - Python技术站