AdaBoost算法

AdaBoost算法

算法概述

将不同分类器组合起来,这种组合结果被称为集成方法或者元算法。使用集成方法会有多种形式:可以是不同算法的集成,也可以是同一算法在不同设置下的集成,也可以是数据集不同部分分配给不同分类器之后的集成。boosting 是通过关注被已有分类器错分那些数据获得新的分类器,其中最流行的boosting算法为AdaBoost算法。

AdaBoost算法流程

算法描述

  1. 给定训练样本 (x1,y1),...(xi,yi)...(xm,ym) 其中 xi 表示第 i 个样本, 表示为负样本, 表示为正样本。m为训练样本总数
  2. 初始化训练样本的权重( 1m )
  3. 第一次循环,首先训练一个弱分类器,计算该分类器的错误率;更改阈值使得错误率最低,更行样本权重
  4. 经过T次循环,得到T个弱分类器,根据每个分类器正确分类的贡献作为权重进行加权组合,最后得到强分类器。

算法示意图

AdaBoost算法示意图

算法流程
训练了T个弱分类器 ht,t{1,...,T} 。这些分类器很简单。大多数情况是只包含一次分裂的决策树。最后做决定的时候将赋值权重 αt 给每个分类器。输入特征向量为 xi ,类别标签为 yi,i{1,..m} ,且 yi{1,1} 。首先初始化样本全职 Dt(i) 来告诉分类器将一个数据点分类错误的代价是多少。

  1. D1(i)=1/m,i=1,...,m
  2. 针对 t=1,...,T :
    a. 寻找是的权重为 Dt(i) 的总错误最小的分类器 ht
    b.求 ht=argminhjHεj εj=mi=1Dt(i) (其中 yihj(xi) ),如果最小错误满足 ε<0.5 则继续;否则退出
    c. 设置 ht 的权重 αt=log[(1εt)/εt] ,这儿 εt 为步骤2b中的最小错误
    d. 更新数据点权重: Dt+1(i)=[Dt(i)e(αtyiht(xi))]/Zt ,这 Zt 将所有数据点权重归一化
  3. 算法结束后,最后的强分类器几首输入向量 x ,使用所有弱分类器的加权和进行分类
    H(x)=sign(t=1Tαtht(x))

示例代码

'''
Created on Dec 26th
Adaboost is short for Adaptive Boosting
@author: zfluo
'''
from numpy import *
def loadSimpData():
    datMat = matrix([[1., 2.1],
                    [2., 1.1],
                    [1.3, 1.],
                    [1., 1.],
                    [2., 1.]])
    classLabels = [1.0, 1.0, -1.0, -1.0, -1.0]
    return datMat, classLabels

# 构建单层决策树, lt: less than, gt: greater than
def stumpClassify(dataMatrix, dimen, threshVal, threshIneq):
    retArray = ones((shape(dataMatrix)[0], 1))
    if threshIneq == 'lt':
        retArray[dataMatrix[:, dimen] <= threshVal] = -1.0
    else:
        retArray[dataMatrix[:, dimen] > threshVal] = -1.0
    return retArray

# 寻找最优分支
def buildStump(dataArr, classLabels, D):
    dataMatrix = mat(dataArr)
    labelMat = mat(classLabels).T
    m, n = shape(dataMatrix)
    numSteps = 10.0; bestStump = {}; bestClasEst = mat(zeros((m, 1)))
    minError = inf
    for i in range(n):
        rangeMin = dataMatrix[:, i].min()
        rangeMax = dataMatrix[:, i].max()
        stepSize = (rangeMax - rangeMin)/numSteps
        for j in range(-1, int(numSteps) + 1):
            for inequal in ['lt', 'gt']:
                threshVal = (rangeMin + float(j)*stepSize)
                predictedVals = stumpClassify(dataMatrix, i, threshVal, inequal)
                errArr = mat(ones((m, 1)))
                errArr[predictedVals == labelMat] = 0
                weightedError = D.T*errArr
                # print('split: dim %d, thresh %.2f, thresh ineqal: %s, the weighted error is %.3f' %
                #       (i, threshVal, inequal, weightedError))
                if weightedError < minError:
                    minError = weightedError
                    bestClasEst = predictedVals.copy()
                    bestStump['dim'] = i
                    bestStump['thresh'] = threshVal
                    bestStump['ineq'] = inequal
    return bestStump, minError, bestClasEst

# AdaBoost训练
def adaBoostTrainDS(dataArr, classLabels, numIt = 40):
    weakClassArr = []
    m = shape(dataArr)[0]
    D = mat(ones((m, 1))/m)
    aggClassEst = mat(zeros((m,1)))
    for i in range(numIt):
        bestStump, error, classEst = buildStump(dataArr, classLabels, D)
        print('D:', D.T)
        alpha = float(0.5*log((1.0 - error)/max(error, 1e-16)))
        bestStump['alpha'] = alpha
        weakClassArr.append(bestStump)
        print('classEst: ', classEst.T)
        expon = multiply(-1*alpha*mat(classLabels).T, classEst)
        D = multiply(D, exp(expon))
        D = D/D.sum()
        aggClassEst += alpha*classEst
        print('aggClassEst: ', aggClassEst.T)
        aggErrors = multiply(sign(aggClassEst)!= mat(classLabels).T, ones((m, 1)))
        errorRate = aggErrors.sum()/m
        print('total error: ', errorRate, '\n')
        if errorRate == 0.0:
            break
    return weakClassArr, aggClassEst

# AdaBoost分类
def adaClassify(datToClass, classifierArr):
    dataMatrix = mat(datToClass)
    m = shape(dataMatrix)[0]
    aggClassEst = mat(zeros((m, 1)))
    for i in range(len(classifierArr)):
        classEst = stumpClassify(dataMatrix, classifierArr[i]['dim'], \
                                 classifierArr[i]['thresh'],  \
                                 classifierArr[i]['ineq'])
        aggClassEst += classifierArr[i]['alpha']*classEst
        print(aggClassEst)
    return sign(aggClassEst)

def loadDataSet(fileName):
    numFeat = len(open(fileName).readline().split('\t'))
    dataMat = []; labelMat = []
    fr = open(fileName)
    for line in fr.readlines():
        lineArr = []
        curLine = line.strip().split('\t')
        for i in range(numFeat - 1):
            lineArr.append(float(curLine[i]))
        dataMat.append(lineArr)
        labelMat.append(float(curLine[-1]))
    return dataMat, labelMat

# 绘制ROC曲线及AUC计算函数
def plotROC(preStrengths, classLabels):
    import matplotlib.pyplot as plt
    cur = (1.0, 1.0)
    ySum = 0.0
    numPosClas = sum(array(classLabels) == 1.0)
    yStep = 1/float(numPosClas)
    xStep = 1/float(len(classLabels) - numPosClas)
    sortedIndicies = preStrengths.argsort()
    fig = plt.figure()
    fig.clf()
    ax = plt.subplot(111)
    for index in sortedIndicies.tolist()[0]:
        if classLabels[index] == 1.0:
            delX = 0; delY = yStep
        else:
            delX = xStep; delY = 0
            ySum += cur[1]
        ax.plot([cur[0], cur[0] - delX], [cur[1], cur[1] - delY], c = 'b')
        cur = (cur[0] - delX, cur[1] - delY)
    ax.plot([0, 1], [0, 1], 'b--')
    plt.xlabel('False Positive Rate')
    plt.ylabel('True Positive Rate')
    ax.axis([0, 1, 0, 1])
    plt.show()
    print('the Area Under the Curve is:', ySum*xStep)

这里写图片描述

AdaBoost识别结果ROC曲线

算法特点

优点: 泛化错误率低,易编码,适用于大部分分类器,误参数调整
缺点: 对离群点敏感
使用数据类型:数值型和标称型

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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