利用AdaBoost元演算法提高分類效能
當做重要決定時,大家可能都會考慮吸取多個專家而不只是一個人的意見,這就是元演算法(meta-algorithm)或者叫整合方法(ensemble method)背後的思路.
接下來我們將集中關注一個稱作AdaBoost的最流行的元演算法
優點:泛化錯誤率低,易編碼,可以應用在大部分分類器上,無引數調節
缺點:對離群點敏感
適用資料型別:數值型和標稱型資料
一,bagging: 基於資料隨機重抽樣的分類器構建方法
自舉匯聚法(bootstrap aggregating),也稱為bagging方法,是在從原始資料集選擇S次後得到S個新資料集的一種技術.新資料集和原始資料集的大小相等,允許新資料集中可以有重複的值,而原始資料集的某些值在新集合中則不再出現.
在S個資料集建好後,將某個學習演算法分別作用於每個資料集就得到了S個分類器.選擇分類器投票結果最多的類別作為最後的分類結果.
當然,還有一些更先進的bagging方法,比如隨機森林(random forest).
二,boosting
boosting分類的結果是基於所有分類器的加權求和結果的.
bagging中的分類器權重是相等的,而boosting中的分類器權重並不相等
AdaBoost的一般流程
三,基於單層決策樹構建弱分類器
from numpy import *
def loadSimpData():
datMat = matrix([[1., 2.1],
[ 2. , 1.1],
[ 1.3, 1. ],
[ 1. , 1. ],
[ 2. , 1. ]])
classLabels = [1.0, 1.0, -1.0, -1.0, 1.0]
return datMat,classLabels
單層決策樹
def stumpClassify(dataMatrix,dimen,threshVal,threshIneq):#just classify the data
retArray = ones((shape(dataMatrix)[0],1))
if threshIneq == 'lt':
retArray[dataMatrix[:,dimen] <= threshVal] = -1.0
else:
retArray[dataMatrix[:,dimen] > threshVal] = -1.0
return retArray
def buildStump(dataArr,classLabels,D):
dataMatrix = mat(dataArr); labelMat = mat(classLabels).T
m,n = shape(dataMatrix)
numSteps = 10.0; bestStump = {}; bestClasEst = mat(zeros((m,1)))
minError = inf #init error sum, to +infinity
for i in range(n):#loop over all dimensions
rangeMin = dataMatrix[:,i].min(); rangeMax = dataMatrix[:,i].max();
stepSize = (rangeMax-rangeMin)/numSteps
for j in range(-1,int(numSteps)+1):#loop over all range in current dimension
for inequal in ['lt', 'gt']: #go over less than and greater than
threshVal = (rangeMin + float(j) * stepSize)
predictedVals = stumpClassify(dataMatrix,i,threshVal,inequal)#call stump classify with i, j, lessThan
errArr = mat(ones((m,1)))
errArr[predictedVals == labelMat] = 0
weightedError = D.T*errArr #calc total error multiplied by D
#print "split: dim %d, thresh %.2f, thresh ineqal: %s, the weighted error is %.3f" % (i, threshVal, inequal, weightedError)
if weightedError < minError:
minError = weightedError
bestClasEst = predictedVals.copy()
bestStump['dim'] = i
bestStump['thresh'] = threshVal
bestStump['ineq'] = inequal
return bestStump,minError,bestClasEst
>>> import adaboost
>>> datMat,classLabels=adaboost.loadSimpData()
>>> from numpy import *
>>> D = mat(ones((5,1))/5)
>>> adaboost.buildStump(datMat, classLabels, D)
({'dim': 0, 'ineq': 'lt', 'thresh': 1.3}, matrix([[ 0.2]]), array([[-1.],
[ 1.],
[-1.],
[-1.],
[ 1.]]))
四,完整AdaBoost演算法的實現
虛擬碼:
對每次迭代:
利用buildStump()函式找到最佳的單層決策樹
將最佳單層決策樹加入到單層決策樹陣列
計算alpha
計算新的權重向量D
更新累計類別估計值
如果錯誤率等於0.0, 則退出迴圈
def adaBoostTrainDS(dataArr, classLabels, numIt=40):
weakClassArr = []
m = shape(dataArr)[0]
D = mat(ones((m,1))/m)
aggClassEst = mat(zeros((m,1)))
for i in range(numIt):
bestStump,error,classEst = buildStump(dataArr,classLabels,D) #build Stump
print "D:", D.T
alpha = float(0.5*log((1.0-error)/max(error,1e-16))) #calc alpha, throw in max(error,eps) to account for error=0
bestStump['alpha'] = alpha
weakClassArr.append(bestStump) #store Stump Params in Array
print "classEst: ",classEst.T
expon = multiply(-1*alpha*mat(classLabels).T,classEst) #exponent for D calc, getting messy
D = multiply(D,exp(expon)) #Calc New D for next iteration
D = D/D.sum()
#calc training error of all classifiers, if this is 0 quit for loop early (use break)
aggClassEst += alpha*classEst
print "aggClassEst: ",aggClassEst.T
aggErrors = multiply(sign(aggClassEst) != mat(classLabels).T, ones((m,1)))
errorRate = aggErrors.sum()/m
print "total error: ",errorRate
if errorRate == 0.0: break
return weakClassArr,aggClassEst
>>> reload(adaboost)
<module 'adaboost' from 'adaboost.py'>
>>> classifierArray=adaboost.adaBoostTrainDS(datMat,classLabels,9)
D: [[ 0.2 0.2 0.2 0.2 0.2]]
classEst: [[-1. 1. -1. -1. 1.]]
aggClassEst: [[-0.69314718 0.69314718 -0.69314718 -0.69314718 0.69314718]]
total error: 0.2
D: [[ 0.5 0.125 0.125 0.125 0.125]]
classEst: [[ 1. 1. -1. -1. -1.]]
aggClassEst: [[ 0.27980789 1.66610226 -1.66610226 -1.66610226 -0.27980789]]
total error: 0.2
D: [[ 0.28571429 0.07142857 0.07142857 0.07142857 0.5 ]]
classEst: [[ 1. 1. 1. 1. 1.]]
aggClassEst: [[ 1.17568763 2.56198199 -0.77022252 -0.77022252 0.61607184]]
total error: 0.0
測試演算法
>>> reload(adaboost)
<module 'adaboost' from 'adaboost.py'>
>>> datMat,classLabels=adaboost.loadSimpData()
>>> classifierArray=adaboost.adaBoostTrainDS(datMat,classLabels,30)
>>> adaboost.adaClassify([0,0],classifierArray[0])
[[-0.69314718]]
[[-1.66610226]]
[[-2.56198199]]
matrix([[-1.]])
五,示例: 在一個難資料集上應用AdaBoost
馬仙病資料集
def loadDataSet(fileName): #general function to parse tab -delimited floats
numFeat = len(open(fileName).readline().split('\t')) #get number of fields
dataMat = []; labelMat = []
fr = open(fileName)
for line in fr.readlines():
lineArr =[]
curLine = line.strip().split('\t')
for i in range(numFeat-1):
lineArr.append(float(curLine[i]))
dataMat.append(lineArr)
labelMat.append(float(curLine[-1]))
return dataMat,labelMat
>>> reload(adaboost)
<module 'adaboost' from 'adaboost.py'>
>>> datArr,labelArr=adaboost.loadDataSet('horseColicTraining2.txt')
>>> classifierArray=adaboost.adaBoostTrainDS(datArr,labelArr,10)
total error: 0.284280936455
total error: 0.284280936455
total error: 0.247491638796
total error: 0.247491638796
total error: 0.254180602007
total error: 0.240802675585
total error: 0.240802675585
total error: 0.220735785953
total error: 0.247491638796
total error: 0.230769230769
>>> testArr,testLabelArr=adaboost.loadDataSet('horseColicTest2.txt')
>>> prediction10 = adaboost.adaClassify(testArr,classifierArray[0])
>>> errArr=mat(ones((67,1)))
>>> errArr[prediction10!=mat(testLabelArr).T].sum()
16.0
六,非均衡問題
效能度量指標:正確率, 召回率及ROC曲線
def plotROC(predStrengths, classLabels):
import matplotlib.pyplot as plt
cur = (1.0,1.0) #cursor
ySum = 0.0 #variable to calculate AUC
numPosClas = sum(array(classLabels)==1.0)
yStep = 1/float(numPosClas); xStep = 1/float(len(classLabels)-numPosClas)
sortedIndicies = predStrengths.argsort()#get sorted index, it's reverse
fig = plt.figure()
fig.clf()
ax = plt.subplot(111)
#loop through all the values, drawing a line segment at each point
for index in sortedIndicies.tolist()[0]:
if classLabels[index] == 1.0:
delX = 0; delY = yStep;
else:
delX = xStep; delY = 0;
ySum += cur[1]
#draw line from cur to (cur[0]-delX,cur[1]-delY)
ax.plot([cur[0],cur[0]-delX],[cur[1],cur[1]-delY], c='b')
cur = (cur[0]-delX,cur[1]-delY)
ax.plot([0,1],[0,1],'b--')
plt.xlabel('False positive rate'); plt.ylabel('True positive rate')
plt.title('ROC curve for AdaBoost horse colic detection system')
ax.axis([0,1,0,1])
plt.show()
print "the Area Under the Curve is: ",ySum*xStep
>> reload(adaboost)
>>> classifierArray,aggClassEst=adaboost.adaBoostTrainDS(datArr,labelArr,10)
>>> adaboost.plotROC(aggClassEst.T,labelArr)
the Area Under the Curve is: 0.858296963506
相關文章
- 第九篇:使用 AdaBoost 元演算法提高分類器效能演算法
- 機器學習演算法:AdaBoost機器學習演算法
- 利用for命令提權
- 08_提升方法_AdaBoost演算法演算法
- 機器學習 — AdaBoost演算法(手稿+程式碼)機器學習演算法
- Boosting提升演算法之AdaBoost演算法
- AdaBoost演算法分析與實現演算法
- Linux提權————利用SUID提權LinuxUI
- scikit-learn Adaboost類庫使用小結
- 人臉檢測中的AdaBoost演算法演算法
- Linux 提權-核心利用Linux
- 機器學習——提升方法AdaBoost演算法,推導過程機器學習演算法
- AdaBoost 演算法-分析波士頓房價資料集演算法
- 整合學習之Adaboost演算法原理小結演算法
- 聚類模型的演算法效能評價聚類模型演算法
- 分類模型的演算法效能評價模型演算法
- 03整合學習-Boosting-AdaBoost演算法原理演算法
- 前向分步演算法 && AdaBoost演算法 && 提升樹(GBDT)演算法 && XGBoost演算法演算法
- 效能優化小冊 - 分類構建:利用好 webpack hash優化Web
- 一文搞懂:Adaboost及手推演算法案例演算法
- Adaboost Algorithm StepGo
- 最常用的決策樹演算法!Random Forest、Adaboost、GBDT 演算法演算法randomREST
- AdaBoost演算法解密:從基礎到應用的全面解析演算法解密
- 元類:Metaclass
- Linux利用UDF庫實現Mysql提權LinuxMySql
- 利用Serv-u提權的簡單思路
- [C++ & AdaBoost] 傻陳帶你用C++實現AdaBoostC++
- 利用App漏洞獲利2800多萬元,企業該如何避免類似事件?APP事件
- 提高分散式環境中程式啟動效能的一個方法分散式
- Python 元類Python
- 元類詳解
- 23. 元類
- Tree – AdaBoost with sklearn source code
- 利用python的KMeans和PCA包實現聚類演算法PythonPCA聚類演算法
- IT職場:如何利用六西格瑪提搞領導力?
- 利用萬用字元進行Linux本地提權字元Linux
- 友元函式和友元類函式
- 計算機視覺—人臉識別(Haar特徵+Adaboost分類器)(7)計算機視覺特徵