目前玩机器学习的小伙伴,上来就是使用现有的sklearn机器学习包,写两行代码,调调参数就能跑起来,看似方便,实则有时不利于个人能力发展,要知道现在公司需要的算法工程师,不仅仅只是会调参(这种工作,入门几个月的人就可以干了),而是要深入底层,能优化代码,能自己搭。
本文章适合以下几类人:
1)初学者,了解机器学习的实现过程
2)想提升自己的代码能力
第一步:原理
什么是AdaBoost?
AdaBoost(Adaptive Boosting)算法是一种集成学习算法,它将多个弱分类器组合成一个强分类器。AdaBoost的基本思想是对于一个数据集,每个样本都被赋予一个权重,每次训练都会根据前一次分类器的错误率来调整每个样本的权重,使得被错误分类的样本在下一轮训练中得到更高的权重,从而使得下一轮训练中的分类器更加关注那些被错误分类的样本。最终,所有分类器的预测结果根据其权重进行加权求和,得到最终的分类结果。AdaBoost可以用于二分类和多分类问题,也可以用于回归问题。
AdaBoost的推导,百度一下很多,这里就做一下搬运工了,可参考:机器学习实战 第七章 利用AdaBoost元算法提高分类性能_LuoY、的博客-CSDN博客
第二步:代码实现
#include<iostream>
#include <string>
#include <math.h>
#include <fstream>
#include <sstream>
#include <map>
#include "matrix.h"
using namespace std;
#define MAX 1000000
#define MIN -100000
struct Stump {
map<string, int>stumpDim;
map<string, double>stumpThresh;
map<string, string>stumpIneq;
map<string, double>stumpAlpha;
};
vector<Stump>weakClassArr;
//求每列的最大最小
void rangeSize(Matrix &Data, int &axis, vector<double> &rangeVal)
{
rangeVal.clear();
rangeVal.push_back(MIN);
rangeVal.push_back(MAX);
for (int i = 0; i < Data.col; i++)
{
if (Data.mat[i][axis]>rangeVal[0])
rangeVal[0] = Data.mat[i][axis];
if (Data.mat[i][axis]<rangeVal[1])
rangeVal[1] = Data.mat[i][axis];
}
}
vector<int> stumpClassify(Matrix Data, int axis, double threshVal, string threshIneq)
{
vector<int> retArray(Data.col, 1);
for (int i = 0; i < Data.col; i++)
{
if (threshIneq == "lt")
{
if (Data.mat[i][axis] <= threshVal)
{
retArray[i] = -1;
}
}
else
{
if (Data.mat[i][axis] > threshVal)
{
retArray[i] = -1;
}
}
}
return retArray;
}
//return 最小的误差
double buildStump(Matrix &dataMatrix, Matrix &labelMat, Stump &bestStump, vector<int> &bestClasEst, vector<double> &D)
{
int m = dataMatrix.col;//行
int n = dataMatrix.row;//列
double numSteps = 10.0;
vector<double>rangeVal;
vector<int>predictedVals;
vector<string>threshIneq{ "lt","gt" };
double minError = INT_MAX;
for (int i = 0; i < n; i++)
{
rangeSize(dataMatrix, i, rangeVal);
double rangeMin = rangeVal[1];
double rangeMax = rangeVal[0];
double stepSize = (rangeMax - rangeMin) / numSteps;
for (int j = -1; j < int(numSteps) + 1; j++)
{
for (int k = 0; k < 2; k++)
{
double threshVal = rangeMin + j * stepSize;
predictedVals = stumpClassify(dataMatrix, i, threshVal, threshIneq[k]);
vector<int>errArr(m, 1);
for (int ii = 0; ii < m; ii++)
{
if (predictedVals[ii] == labelMat.mat[ii][0])
{
errArr[ii] = 0;
}
}
double weightedError = 0.0;
for (int ii = 0; ii < m; ii++)
{
weightedError += D[ii] * errArr[ii];
}
// cout<<"split: dim "<<i<<",thresh "<<threshVal<<",thresh inequal:"<<threshIneq[k];
// cout<<", the weighted error is "<<weightedError<<endl;
if (weightedError < minError)
{
minError = weightedError;
bestClasEst = predictedVals;
bestStump.stumpDim["dim"] = i;
bestStump.stumpThresh["thresh"] = threshVal;
bestStump.stumpIneq["ineq"] = threshIneq[k];
}
}
}
}
return minError;
}
//符号函数
int sign(const double x)
{
if (x > 0)
{
return 1;
}
else if (x < 0)
{
return -1;
}
else
return 0;
}
double max(double a, double b) {
if (a > b)
return a;
else
return b;
}
vector<Stump> adaBoostTrainDS(Matrix &dataMatrix, Matrix &labelMat, int numIt = 40)
{
}
int main()
{
dataToMatrix dtm;
cout << "loadData" << endl;
cout << "----------------------" << endl;
char file[30] = "adaboost.txt";
dtm.loadData(&dtm, file);
//dtm.print(dtm);
Matrix x;
x.loadMatrix(&x, dtm);
Matrix y;
y.initMatrix(&y, x.col, 1);
y = y.getOneRow(x, x.row - 1);
x.deleteOneRow(&x, x.row);
adaBoostTrainDS(x, y, 10);
return 0;
}
第三步:运行过程
运行结果
用到的软件是vs2010以上的版本都可以,不用额外配置什么,没调包,会用这个软件进行c++开发,就会使用这个软件
此程序由于不调用任何外源库,所以读者可以看清楚每一个算法的原理,要想学好机器学习算法,必须打好基础,不要好高骛远,另外,程序都是有备注,应该很好理解的,实在不懂,可以来问店主
代码的下载路径(新窗口打开链接):机器学习算法自适应增强AdaBoost之c++实现(不调用外源库)
有问题可以私信或者留言,有问必答