集成学习算法----Adaboost
1. Adaboost 算法思想
AdaBoost 是一种迭代算法,其核心思想是针对同一个训练集训练不同的分类器,即弱分类器,然后把这些弱分类器集合起来,构造一个更强的最终分类器。(就是大家所说的三个臭皮匠赛过诸葛亮)。算法本身是改变数据分布实现的(看完最后的例子会比较深刻的明白这句话),它根据每次训练集之中的每个样本的分类是否正确,以及上次的总体分类的准确率,来确定每个样本的权值。将修改权值的新数据送给下层分类器进行训练,然后将每次训练得到的分类器融合起来,作为最后的决策分类器。
2. 算法原理:
直接先上伪代码:
首先,对于任何一种监督学习算法,我们都需要训练数据集,如下:(x1,y1),(x2,y2),...,(xm,ym),其中xi为特征集,yi为分类标签{-1,1}。
算法步骤如下:
(1). 初始化D1(i)=1/m,其中D1(i)表示第一层迭代时每个样本的权重;
(2). 根据Dt进行训练出第t个弱分类器
(3). 根据第t个弱分类器的错误率计算出该分类器的在整个分类器中的权重αt;
(4). 更新每个训练样本的权重Dt, 使那些分类错误的样本的权重变高,而分类正确的样本权重变低,进行下一个弱分类器;
(5). 最后形成总的分类器就是每个弱分类器及其权重乘积的加和。
简单来说,Adaboost有很多优点:
1)adaboost是一种有很高精度的分类器
2)可以使用各种方法构建子分类器,adaboost算法提供的是框架
3)当使用简单分类器时,计算出的结果是可以理解的。而且弱分类器构造极其简单
4)简单,不用做特征筛选
5)不用担心overfitting!
3. Adaboost 举例
也许你看了上面的介绍或许还是对adaboost算法云里雾里的,没关系,百度大牛举了一个很简单的例子,你看了就会对这个算法整体上很清晰了。下面我们举一个简单的例子来看看adaboost的实现过程:
图中,“+”和“-”分别表示两种类别,在这个过程中,我们使用水平或者垂直的直线作为分类器,来进行分类。
第一步:
根据分类的正确率,得到一个新的样本分布D2,一个子分类器h1,其中划圈的样本表示被分错的。在右边的途中,比较大的“+”表示对该样本做了加权。
也许你对上面的ɛ1,ɑ1怎么算的也不是很理解。下面我们算一下,只有自己把算法演算一遍,你才会真正的懂这个算法的核心。
算法最开始给了一个均匀分布 D 。所以h1 里的每个点的权值都是0.1。ok,当划分后,有三个点划分错了,根据算法误差表达式得到 误差为分错了的三个点的值之和,所以ɛ1=(0.1+0.1+0.1)=0.3,而ɑ1 根据伪代码中公式可以算出来为0.42. 然后就根据算法把分错的点权值变大。如此迭代,最终完成adaboost算法。
第二步:
根据分类的正确率,得到一个新的样本分布D3,一个子分类器h2。
第三步:
得到一个子分类器h3。
整合所有子分类器:
因此可以得到整合的结果,从结果中看,及时简单的分类器,组合起来也能获得很好的分类效果。
4. 算法小结
总体来说,该算法就是提供一个算法框架,其实弱分类器的训练可以由多种算法进行训练,每个弱分类器根据其分类的准确率都有一个权值,最后形成总的分类器就是每个弱分类器及其权重乘积的加和。
参考文献:http://blog.csdn.net/haidao2009/article/details/7514787
免责声明:本文系网络转载。版权归原作者所有。如涉及版权,请联系删除!