adaboost算法java_数据挖掘学习笔记--AdaBoost算法(一)

声明：　这篇笔记是自己对AdaBoost原理的一些理解，如果有错，还望指正,俯谢～

背景：

AdaBoost算法，这个算法思路简单.

正文：

AdaBoost算法，是一种组合算法(通过多个弱分类器，组合成一个强分类器):

关于AdaBoost算法的流程，简单的描述,我们以Ａ Short Introduction to Boosting中提到的用AdaBoosting进行二分类来描述一

下AdaBoost算法的具体流程:

1； 不妨假设给定要训练的数据包含下面三个信息data{weight,value,values[num]}; 注意：num表示的分类的数目，这里num=2;

1.1 data也是一个大小N的数组，我们这里假定有Ｔ个弱分类器(Ｔ的大小需要自定义，原则上越大越好，但是Ｔ了会有性能问题，

需要主观把握一下),其中value,values中的值取值范围在｛-1,+1｝之间取舍.

2, 初始化data数组中的weight=1/N;

3,  for t = 1,...,T;

3.1   使用第ｔ个弱分类器对数据data进行分类，然后得到分类的数组ht:X -> {-1,+1};

3.2　统计分类错误率：

 Ｅ＝表示错误率，errorNum表示样本分类错误的个数,totalNum表示总样本数.

3.3　计算a的值，并保存在数组中，计算公式：

Ｅt为上面计算所得的错误率，一般要求错误率不要低于1/2

3.4   更新数据data中的权重weight

for i=1 , ...., N ;

if ht(xi) == data[i].value:

else

注：Zt是归一化函数，将 Ｚ = sqrt( Et(1-Et) );

3.5 data中的权重weight更新完成之后，t=t+1,重新将新的权重的data交给下一个弱分类器进行分类，重复３～3.5;

最后将得到的ａt  ,ht(ｘ)，进行累成，

４　for i=1 , ..... , N ;

5计算accuray:

以上就是整个Adaboost原理的详细流程，更加形象的流程图，出自依据PRML；

附录：如果理解了上面流程之后，建议移步去这个地方学习一下，因为对有些公式给予了证明，因为当时证明的时候，