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)

    [机器学习]-Adaboost提升算法从原理到实践 ,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

        [机器学习]-Adaboost提升算法从原理到实践

         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。

       [机器学习]-Adaboost提升算法从原理到实践

     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)

        [机器学习]-Adaboost提升算法从原理到实践

         [机器学习]-Adaboost提升算法从原理到实践

         [机器学习]-Adaboost提升算法从原理到实践

        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

       [机器学习]-Adaboost提升算法从原理到实践

      得到最终的分类器:

          [机器学习]-Adaboost提升算法从原理到实践

4.用一组数据来具体解说一下Adaboost的实现过程:

   Data5*2

  [机器学习]-Adaboost提升算法从原理到实践

   原始类别:

  [机器学习]-Adaboost提升算法从原理到实践

   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

      [机器学习]-Adaboost提升算法从原理到实践

    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Gx)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

       [机器学习]-Adaboost提升算法从原理到实践

     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:

         [机器学习]-Adaboost提升算法从原理到实践

          [机器学习]-Adaboost提升算法从原理到实践

   v=1+0.5*2=1.5时,

         重复以上步骤得到两个分类器。

   v=1+0.5*s时,一共寻找了2s

   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,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(J表示迭代次数,如果h(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

[机器学习]-Adaboost提升算法从原理到实践

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

[机器学习]-Adaboost提升算法从原理到实践

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)

    [机器学习]-Adaboost提升算法从原理到实践 ,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

        [机器学习]-Adaboost提升算法从原理到实践

         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。

       [机器学习]-Adaboost提升算法从原理到实践

     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)

        [机器学习]-Adaboost提升算法从原理到实践

         [机器学习]-Adaboost提升算法从原理到实践

         [机器学习]-Adaboost提升算法从原理到实践

        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

       [机器学习]-Adaboost提升算法从原理到实践

      得到最终的分类器:

          [机器学习]-Adaboost提升算法从原理到实践

4.用一组数据来具体解说一下Adaboost的实现过程:

   Data5*2

  [机器学习]-Adaboost提升算法从原理到实践

   原始类别:

  [机器学习]-Adaboost提升算法从原理到实践

   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

      [机器学习]-Adaboost提升算法从原理到实践

    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Gx)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

       [机器学习]-Adaboost提升算法从原理到实践

     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:

         [机器学习]-Adaboost提升算法从原理到实践

          [机器学习]-Adaboost提升算法从原理到实践

   v=1+0.5*2=1.5时,

         重复以上步骤得到两个分类器。

   v=1+0.5*s时,一共寻找了2s

   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,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(J表示迭代次数,如果h(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

[机器学习]-Adaboost提升算法从原理到实践

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

[机器学习]-Adaboost提升算法从原理到实践

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