提升方法
历史上首先提出了‘强可学习’和‘弱可学习’的概念。在概率近似正确(PAC)学习的框架下,一个概念(一个类),如果存在一个多项式的学习算法能够学习它,并且正确率很高,那么就称这个概念是强可学习的;一个概念,如果存在一个多项式的学习算法能够学习它,学习的正确率仅比随机猜测略好,那么就称这个概念是弱可学习的。后来有人证明强可学习与弱可学习是等价的,也就是说,在PAC学习的框架下,一个概念是强可学习的充分必要条件是这个概念是弱可学习的。
对于分类问题而言,给定一个训练样本集,求比较粗糙的分类规则(弱分类器)要比求精确的分类规则容易得多。提升方法就是从弱学习算法出发,反复学习,得到一系列弱分类器,然后组合这些弱分类器,构成一个强分类器。大多数的提升方法都是改变训练数据的概率分布(训练数据的权值分布),针对不同的训练数据分布调用弱学习算法学习一系列弱分类器。
AdaBoost提高那些被前一轮弱分类器错误分类样本的权值,而降低那些被正确分类样本的权值。这样一来,那些没有得到正确分类的数据,由于其权值的加大而受到后一轮的弱分类器的更大关注。于是,分类问题被一系列的弱分类器‘分而治之’。同时,AdaBoost采取加权多数表决的方法。加大分类误差率小的弱分类器的权值,使其再表决中起较大的作用,减小分类误差率大的弱分类器的权值,使其在表决中起较小的作用。
AdaBoost算法
假设给定一个二类分类的训练数据集其中,每个样本点由实例与标记组成。实例,标记,是实例空间,是标记集合。
AdaBoost算法:
输入:训练数据集;弱学习算法;
输出:最终分类器。
- 初始化训练数据的权值分布
- 对
- 使用具有权值分布的训练数据集学习,得到基本分类器
- 计算再训练数据集上的分类误差率
- 计算的系数这里的对数是自然对数。
- 更新训练数据集的权值分布,这里,是规范化因子它使成为一个概率分布。
- 构建基本分类器的线性组合得到最终分类器
对AdaBoost算法作如下说明:
- 假设训练数据集具有均匀的权值分布,即每一个训练样本在基本分类器的学习中作用相同,这一假设保证能够再原始数据上学习基本分类器。
- AdaBoost反复学习基本分类器,在每一轮顺序执行下列操作:
- 使用当前分布加权的训练数据集,学习基本分类器.
- 计算基本分类器在加权训练数据集上的分类误差率:这里,表示第轮中第i个实例的权值,。这表明,在加权的训练数据集上的分类误差率是被误分类样本的权值之和,由此可以看出数据权值分布与基本分类器的分类误差率的关系。
- -计算基本分类器的系数表示在最终分类器中的重要性。由的计算公式可知,当时,,并且随着的减小而增大,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。
- 更新训练数据的权值分布为下一轮作准备。
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。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,这个AdaBoost的一个特点。
线性组合实现M个基本分类器的加权表决。利用基本分类器的线性组合构建最终分类器是AdaBoost的另一个特点。