语言实现dsst算法_R语言实现Adaboost算法

AdaBoost算法较Bagging算法效果更优。该算法不只是多个分类器结果的叠加，它会在每一次构建分类器的过程中，根据上一个基分类器对各训练集样本的预测结果，自行调整在本次分类器构造中各样本被抽中的概率。也就是说，上一次被错误分类的样本，在下一次被抽中并正确分类的概率会更高。

1.在R软件中，实现Adaboost算法的是adabag包中的boosting算法。大多数时候，基分类器选择使用决策树。

boosting()函数的基本形式为：

boosting(formula, data, boos = TRUE, mfinal = 100, coeflearn = 'Breiman', control,...)

其中formula表示建模公式，data为训练数据集,mfinal表示迭代次数，control参数与rpart中的control参数相同, coeflearn用于选择权重更新系数alpha的计算方式，默认值为Breiman，此时的alpha=1/2ln(1-err)/err)。

首先要安装并加载软件包。

install.packages("adabag")

install.packages("rpart")

library(adabag)

library(rpart)

2.读取数据集。

data=read.csv("shares_data1.csv",head=TRUE,encoding&