【Python机器学习】利用AdaBoost元算法提高分类性能——基于错误提升分类器的性能

能否使用弱分类器和多个实例俩构建一个强分类器？这是个有趣的理论问题。

这里的“弱”意味着分类器的性能比随机猜测要略好，但是也不会好太多。这就是说，在二分类情况下弱分类的错误率会高于50%，而“强”分类器的错误率将会降低很多。AdaBoost算法即脱胎与上述理论问题。

AdaBoost是adaptive boosting（自适应boosting）的缩写，其运行过程如下：训练数据中的每个样本，并赋予其一个权重，这些权重构成了向量D。一开始，这些权重都初始化成相等值。首先在训练数据上训练出一个弱分类器并计算该分类器的错误率，然后在同一数据集上再次训练弱分类器。在分类器的第二次训练中，将会重新调整每个样本的权重，其中第一次分对的样本的权重将会降低，而第一次分错的样本的权重将会提高。为了从所有弱分类器中得到最终的分类结果，AdaBoost为每个分类器都分配了一个权重值alpha，这些alpha值是基于每个弱分类器的错误率进行计算的。其中错误率的定义为：(未正确分类的样本数目)/(所有样本数目)。

而alpha的计算公式为：

计算出alpha值之后，可以对权重向量D进行更新，以使得那些正确分类的样本的权重降低而错分样本的权重升高。D的计算方法如下：

如果某个样本被正确分类，那么该样本的权重更改为：

如果某个样本被错分，那么该样本的权重更改为：

在计算出D之后，AdaBoost又开始进入下一轮迭代，AdaBoost算法会不断地重复村里和调整权重的过程，直到训练错误率为0或者弱分类器的数目达到用户的指定值为止。