机器学习之提升方法Adaboost算法

1.背景

集成学习(ensemble learning)通过构建并结合多个学习器来提升性能
集成学习分为两大类：
个体分类器存在强依赖方法(Boosting)
个体学习器之间不存在强依赖关系(Bagging,随机森林)
提升方法的思路：
对于一个复杂任务来说，将多个专家的判断进行适当的综合所得出的判断，要比任何一个专家单独的判断好。实际上，就是“三个臭皮匠顶个诸葛亮”的道理。
对于提升方法来说，有两个问题：

• 在每一轮如何改变训练数据的权值与概率分布
• 如何将若分类器组合成一个强分类器

Boosting类算法核心理念
将多个弱分类器进行合理的结合，使其成为一个强分类器，可以理解成“前人栽树，后人乘凉”。前辈创造条件，后备在前辈的基础上进行改进。即我们先训练一个弱学习器，再对这个模型进行评估，对这个模型中做对的问题，我们减小对它的注意力；做错的问题那就增大注意力，专注于克服前面模型不能解决的困难点。最后，当我们把所有的模型整合成一个大的框架的时候，里面既有处理简单问题的模型也有处理困难问题的模型，使大框架的整体模型性能有所提高。

Boosting族最著名的代表算法是Adaboost，它的做法是：

• 提高那些被前一轮若分类器错误分类样本数据的权值，降低正确分类样本的权值
• 采取加权多数表决的方法，加大分类误差率小的若分类器的权值，减小分类误差率大的弱分类器的权值。

2.基本原理

强可学习:识别准确率很高并能在多项式时间内完成的学习算法
弱可学习:识别错误率小于1/2（即准确率仅比随机猜测略高的学习算法）

Step1:训练每个弱分类器，计算样本困难度。
（1）初始化样本权重为1/N
（2）利用当前弱分类器的训练结果，更新所有样本的权重。正确分类的样本就降低权重，错误分类的样本就增大权重。