AdaBoost算法中寻找最优阈值分类器的代码优化

本文介绍了如何通过代码优化在AdaBoost算法中高效地找到每轮的最优阈值分类器。经过优化,对于2000个样本训练50轮的情况,耗时从150秒降低到50秒,显著提升了计算效率。
摘要由CSDN通过智能技术生成

    AdaBoost每一轮的训练获得一个当前权重条件下的最优阈值。

% 逐步求精的方法获取第j个特征值上的最优分类器
% 输入:
% X      训练样本
, rows X cols 维矩阵 , rows个样本,每个样本cols个特征值
% Y      每个样本所属类别的标识
, 向量 , 长度为rows
% rows   样本容量 
% weight 权重向量
, 存放当前每个样本的权重值
% j       当前查找最佳弱分类器的特征列
% 输出:
%  bestError        %搜索到第j列最佳弱分类器得到的最小错误率
%  bestThresh   %搜索到第j列最佳弱分类器的阈值
%  bestBias        %搜索到第j列最佳弱分类器的偏置

% 迭代4次
, 每次将区间划分为12个小段
%
% 调用格式为 
[ bestError,bestThresh,bestBias ] = findBestWeakLearner(X , Y , rows , weight , j)
% 最后更新 
2007 - 03 - 25  
function 
[ bestError,bestThresh,bestBias ] = findBestWeakLearner(X , Y , rows , weight , j)
% 检查输入特征向量与类标需为列向量
iptcheckinput(X
, {'logical' , 'numeric'} , {'2d' , 'nonempty' , 'real'} , mfilename ,  'X' ,   1 ) ;
iptcheckinput(Y , {'logical' , 'numeric'} , {'column' , 'nonempty' , 'integer'} , mfilename ,  'Y' ,   2 ) ;

iteration
= 4 ;                                      % 迭代次数
sectNum = 12 ;                                  % 每次迭代,将搜索区域划分的片段
maxFea = max(X(: , j)) ;                      % 搜索空间的最大值 
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值