Boosting
Boosting也是Ensemble Learning(集成学习)中重要的一类,和Bagging的并行式不同,Boosting的核心思想是按顺序去训练分类器,每一个都要尝试修正前面的分类。其中最具有代表性的是的是Adaboost(适应性提升, Adaptive Boosting)和Gradient Boosting(梯度提升)。
对于Boosting方法来说,有两个非常重要的问题:
1. 在每一轮如何改变训练数据的权值或概率分布,修改的策略是什么?
2. 如何将弱分类器组合成一个强分类器?
Adaboost
对于上面两个问题,AdaBoost的做法是:
1.提高那些被前一轮弱分类器错误分类的样本的权值,而降低那些被正确分类样本的权值。这样一来,那些被分错的数据,在下一轮就会得到更大的关注。所以,分类问题被一系列的弱分类器“分而治之”。
2. 对弱分类器的组合,AdaBoost采取加权多数表决的方法。即加大分类误差率小的弱分类器的权值,使其在表决中起较大作用,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。
算法流程
1.初始化数据权值分布
假设训练数据集中有均匀的权值分布(只有初始是均匀,后面要按照误差率进行更新):
D 1 = ( w 11 , w 12 , . . . , w 1 N ) , w 1 i = 1 N , i = 1 , 2 , . . . , N D_1=(w_{11},w_{12},...,w_{1N}),w_{1i}=\frac{1}{N}, \quad i=1,2,...,N D1=(w11,w12,...,w1N),w1i=N1,i=1,2,...,N
2.基于权值分布 D m D_m Dm得到基本分类器
G m ( x ) : x → { − 1 , 1 } G_m(x):x\rightarrow\{-1,1\} Gm(x):x→{ −1,1}
3.计算分类误差率
G m ( x ) G_m(x) Gm(x)在训练数据集上的分类误差率为(注意不要忘记数据权值):
e m = ∑ i = 1 N P ( G m ( x i ) ̸ = y i ) = ∑ i = 1 N w m i I ( G m ( x i ) ̸ = y i ) e_m=\sum_{i=1}^NP(G_m(x_i) \not= y_i)=\sum_{i=1}^Nw_{mi}I(G_m(x_i)\not=y_i) em=i=1∑NP(Gm(xi)̸=yi)=i=1∑NwmiI(Gm(xi)̸=yi)
4.计算 G m ( x ) G_m(x) Gm(x)的系数
a m = 1 2 log 1 − e m e m a_m=\frac{1}{2}\log\frac{1-e_m}{e_m} am=21logem1−em
5.更新数据集的权值分布
D m + 1 = ( w m + 1 , 1 , w m + 1 , 2 , . . . , w m + 1 , N ) D_{m+1}=(w_{m+1,1},w_{m+1,2},...,w_{m+1,N}) Dm+1=(wm+1,1,wm+1,2,...,wm+1,N)
w m + 1 , 1 = w m i Z m exp ( − a m y i G m ( x i ) ) , i = 1 , 2 , . . . , N w_{m+1,1}=\frac{w_{mi}}{Z_m}\exp(-a_my_iG_m(x_i)), \quad i=1,2,...,N wm+1,1=Zmwmiexp(−amyiGm(xi