统计学习方法第八章习题

最新推荐文章于 2022-03-31 23:12:00 发布

nkenen

最新推荐文章于 2022-03-31 23:12:00 发布

阅读量4k

点赞数

分类专栏：自然语言处理文章标签：机器学习 python 算法

本文链接：https://blog.csdn.net/qq_26954059/article/details/105836400

版权

这篇博客探讨了使用AdaBoost算法构建一个基于决策树桩的强分类器，用于评估公司招聘中身体、业务能力和发展潜力的数据。同时，对比了支持向量机和逻辑斯蒂回归模型的学习策略与算法。

摘要由CSDN通过智能技术生成

8.1 某公司招聘支援考查身体、业务能力、发展潜力这三项。身体分为合格1、不合格0两级，业务能力和发展潜力分为上1，中2，下3三级。分类为合格1，不合格-1两类。已知10个人的数据，如下表所示，假设弱分类器为决策树桩，试用AdaBoost算法学习一个强分类器。

应聘人员情况数据表
1   2   3   4   5   6   7   8   9   10
身体   0   0   1   1   1   0   1   1   1   0
业务   1   3   2   1   2   1   1   1   3   2
潜力   3   1   2   3   3   2   2   1   1   1
分类   -1   -1   -1   -1   -1   -1   1   1   -1   -1

#-*- coding:UTF-8 -*-
import numpy as np

class ABSboost():  
   def __init__(self,Cdt,X,Y):
      self.Cdt = Cdt
      self.X = X
      self.Y = Y
      self.N = len(Y)
      self.D = []
      self.Gx = []
      self.createGxFun()#创建所有可能的分类器
      
   def createGxFun(self):
      self.AllGX = {}
      R = set(self.Y)
      for i,c in enumerate(self.Cdt):
         cvalue = set(self.X[::,i:i+1:1].T[0])#找到该条件的可能值