【數(shù)據(jù)科學(xué)系統(tǒng)學(xué)習(xí)】機(jī)器學(xué)習(xí)算法 # 西瓜書學(xué)習(xí)記錄 [12] 集成學(xué)習(xí)實(shí)踐

terro 發(fā)布于2019-07-30 17:53 / 1711人閱讀

摘要：本篇內(nèi)容為機(jī)器學(xué)習(xí)實(shí)戰(zhàn)第章利用元算法提高分類性能程序清單。將當(dāng)前錯(cuò)誤率與已有的最小錯(cuò)誤率進(jìn)行對(duì)比后，如果當(dāng)前的值較小，那么就在字典中保存該單層決策樹。上述，我們已經(jīng)構(gòu)建了單層決策樹，得到了弱學(xué)習(xí)器。

本篇內(nèi)容為《機(jī)器學(xué)習(xí)實(shí)戰(zhàn)》第 7 章利用 AdaBoost 元算法提高分類性能程序清單。所用代碼為 python3。

AdaBoost
優(yōu)點(diǎn)：泛化錯(cuò)誤率低，易編碼，可以應(yīng)用在大部分分類器上，無(wú)參數(shù)調(diào)整。
缺點(diǎn)：對(duì)離群點(diǎn)敏感。
適用數(shù)據(jù)類型：數(shù)值型和標(biāo)稱型數(shù)據(jù)。

boosting 方法擁有多個(gè)版本，這里將只關(guān)注其中一個(gè)最流行的版本 AdaBoost。

在構(gòu)造 AdaBoost 的代碼時(shí)，我們將首先通過(guò)一個(gè)簡(jiǎn)單數(shù)據(jù)集來(lái)確保在算法實(shí)現(xiàn)上一切就緒。使用如下的數(shù)據(jù)集：

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

在 python 提示符下，執(zhí)行代碼加載數(shù)據(jù)集：

>>> import adaboost
>>> datMat, classLabels=adaboost.loadSimpData()

我們先給出函數(shù)buildStump()的偽代碼：

程序清單 7-1 單層決策樹生成函數(shù)

"""
Created on Sep 20, 2018

@author: yufei
Adaboost is short for Adaptive Boosting
"""

"""
測(cè)試是否有某個(gè)值小于或大于我們正在測(cè)試的閾值
"""
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


"""
在一個(gè)加權(quán)數(shù)據(jù)集中循環(huán)
buildStump()將會(huì)遍歷stumpClassify()函數(shù)所有的可能輸入值
并找到具有最低錯(cuò)誤率的單層決策樹
"""
def buildStump(dataArr,classLabels,D):
    dataMatrix = mat(dataArr); labelMat = mat(classLabels).T
    m,n = shape(dataMatrix)
    # 變量 numSteps 用于在特征的所有可能值上進(jìn)行遍歷
    numSteps = 10.0
    # 創(chuàng)建一個(gè)空字典，用于存儲(chǔ)給定權(quán)重向量 D 時(shí)所得到的最佳單層決策樹的相關(guān)信息
    bestStump = {}; bestClasEst = mat(zeros((m,1)))
    # 初始化為正無(wú)窮大，之后用于尋找可能的最小錯(cuò)誤率
    minError = inf

    # 第一層循環(huán)在數(shù)據(jù)集的所有特征上遍歷
    for i in range(n):#loop over all dimensions
        rangeMin = dataMatrix[:,i].min(); rangeMax = dataMatrix[:,i].max();
        # 計(jì)算步長(zhǎng)
        stepSize = (rangeMax-rangeMin)/numSteps
        # 第二層循環(huán)是了解步長(zhǎng)后再在這些值上遍歷
        for j in range(-1,int(numSteps)+1):#loop over all range in current dimension
            # 第三個(gè)循環(huán)是在大于和小于之間切換不等式
            for inequal in ["lt", "gt"]: #go over less than and greater than
                threshVal = (rangeMin + float(j) * stepSize)
                # 調(diào)用 stumpClassify() 函數(shù)，返回分類預(yù)測(cè)結(jié)果
                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))
                
                # 將當(dāng)前錯(cuò)誤率與已有的最小錯(cuò)誤率進(jìn)行比較
                if weightedError < minError:
                    minError = weightedError
                    bestClasEst = predictedVals.copy()
                    bestStump["dim"] = i
                    bestStump["thresh"] = threshVal
                    bestStump["ineq"] = inequal
    return bestStump,minError,bestClasEst

為了解實(shí)際運(yùn)行過(guò)程，在 python 提示符下，執(zhí)行代碼并得到結(jié)果：

>>> D=mat(ones((5,1))/5)
>>> adaboost.buildStump(datMat, classLabels, D)
split: dim 0, thresh 0.90, thresh ineqal: lt, the weighted error is 0.400
split: dim 0, thresh 0.90, thresh ineqal: gt, the weighted error is 0.600
split: dim 0, thresh 1.00, thresh ineqal: lt, the weighted error is 0.400
split: dim 0, thresh 1.00, thresh ineqal: gt, the weighted error is 0.600
split: dim 0, thresh 1.10, thresh ineqal: lt, the weighted error is 0.400
split: dim 0, thresh 1.10, thresh ineqal: gt, the weighted error is 0.600
split: dim 0, thresh 1.20, thresh ineqal: lt, the weighted error is 0.400
split: dim 0, thresh 1.20, thresh ineqal: gt, the weighted error is 0.600
split: dim 0, thresh 1.30, thresh ineqal: lt, the weighted error is 0.200
split: dim 0, thresh 1.30, thresh ineqal: gt, the weighted error is 0.800
split: dim 0, thresh 1.40, thresh ineqal: lt, the weighted error is 0.200
split: dim 0, thresh 1.40, thresh ineqal: gt, the weighted error is 0.800
split: dim 0, thresh 1.50, thresh ineqal: lt, the weighted error is 0.200
split: dim 0, thresh 1.50, thresh ineqal: gt, the weighted error is 0.800
split: dim 0, thresh 1.60, thresh ineqal: lt, the weighted error is 0.200
split: dim 0, thresh 1.60, thresh ineqal: gt, the weighted error is 0.800
split: dim 0, thresh 1.70, thresh ineqal: lt, the weighted error is 0.200
split: dim 0, thresh 1.70, thresh ineqal: gt, the weighted error is 0.800
split: dim 0, thresh 1.80, thresh ineqal: lt, the weighted error is 0.200
split: dim 0, thresh 1.80, thresh ineqal: gt, the weighted error is 0.800
split: dim 0, thresh 1.90, thresh ineqal: lt, the weighted error is 0.200
split: dim 0, thresh 1.90, thresh ineqal: gt, the weighted error is 0.800
split: dim 0, thresh 2.00, thresh ineqal: lt, the weighted error is 0.600
split: dim 0, thresh 2.00, thresh ineqal: gt, the weighted error is 0.400
split: dim 1, thresh 0.89, thresh ineqal: lt, the weighted error is 0.400
split: dim 1, thresh 0.89, thresh ineqal: gt, the weighted error is 0.600
split: dim 1, thresh 1.00, thresh ineqal: lt, the weighted error is 0.200
split: dim 1, thresh 1.00, thresh ineqal: gt, the weighted error is 0.800
split: dim 1, thresh 1.11, thresh ineqal: lt, the weighted error is 0.400
split: dim 1, thresh 1.11, thresh ineqal: gt, the weighted error is 0.600
split: dim 1, thresh 1.22, thresh ineqal: lt, the weighted error is 0.400
split: dim 1, thresh 1.22, thresh ineqal: gt, the weighted error is 0.600
split: dim 1, thresh 1.33, thresh ineqal: lt, the weighted error is 0.400
split: dim 1, thresh 1.33, thresh ineqal: gt, the weighted error is 0.600
split: dim 1, thresh 1.44, thresh ineqal: lt, the weighted error is 0.400
split: dim 1, thresh 1.44, thresh ineqal: gt, the weighted error is 0.600
split: dim 1, thresh 1.55, thresh ineqal: lt, the weighted error is 0.400
split: dim 1, thresh 1.55, thresh ineqal: gt, the weighted error is 0.600
split: dim 1, thresh 1.66, thresh ineqal: lt, the weighted error is 0.400
split: dim 1, thresh 1.66, thresh ineqal: gt, the weighted error is 0.600
split: dim 1, thresh 1.77, thresh ineqal: lt, the weighted error is 0.400
split: dim 1, thresh 1.77, thresh ineqal: gt, the weighted error is 0.600
split: dim 1, thresh 1.88, thresh ineqal: lt, the weighted error is 0.400
split: dim 1, thresh 1.88, thresh ineqal: gt, the weighted error is 0.600
split: dim 1, thresh 1.99, thresh ineqal: lt, the weighted error is 0.400
split: dim 1, thresh 1.99, thresh ineqal: gt, the weighted error is 0.600
split: dim 1, thresh 2.10, thresh ineqal: lt, the weighted error is 0.600
split: dim 1, thresh 2.10, thresh ineqal: gt, the weighted error is 0.400
({"dim": 0, "thresh": 1.3, "ineq": "lt"}, matrix([[0.2]]), array([[-1.],
       [ 1.],
       [-1.],
       [-1.],
       [ 1.]]))

這一行可以注釋掉，這里為了理解函數(shù)的運(yùn)行而打印出來(lái)。

將當(dāng)前錯(cuò)誤率與已有的最小錯(cuò)誤率進(jìn)行對(duì)比后，如果當(dāng)前的值較小，那么就在字典baseStump中保存該單層決策樹。字典、錯(cuò)誤率和類別估計(jì)值都會(huì)返回給 AdaBoost 算法。

上述，我們已經(jīng)構(gòu)建了單層決策樹，得到了弱學(xué)習(xí)器。接下來(lái)，我們將使用多個(gè)弱分類器來(lái)構(gòu)建 AdaBoost 代碼。

首先給出整個(gè)實(shí)現(xiàn)的偽代碼如下：

程序清單 7-2 基于單層決策樹的 AdaBoost 訓(xùn)練過(guò)程

"""
輸入?yún)?shù)：數(shù)據(jù)集、類別標(biāo)簽、迭代次數(shù)（需要用戶指定）
"""
def adaBoostTrainDS(dataArr,classLabels,numIt=40):
    weakClassArr = []
    m = shape(dataArr)[0]
    # 向量 D 包含了每個(gè)數(shù)據(jù)點(diǎn)的權(quán)重，初始化為 1/m
    D = mat(ones((m,1))/m)   #init D to all equal
    # 記錄每個(gè)數(shù)據(jù)點(diǎn)的類別估計(jì)累計(jì)值
    aggClassEst = mat(zeros((m,1)))
    for i in range(numIt):
        # 調(diào)用 buildStump() 函數(shù)建立一個(gè)單層決策樹
        bestStump,error,classEst = buildStump(dataArr,classLabels,D)#build Stump

        print ("D:",D.T)

        # 計(jì)算 alpha，本次單層決策樹輸出結(jié)果的權(quán)重
        # 確保沒有錯(cuò)誤時(shí)不會(huì)發(fā)生除零溢出
        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)

        # 為下一次迭代計(jì)算 D
        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)
        # 錯(cuò)誤率累加計(jì)算
        aggClassEst += alpha*classEst
        print("aggClassEst: ",aggClassEst.T)
        # 為了得到二值分類結(jié)果調(diào)用 sign() 函數(shù)
        aggErrors = multiply(sign(aggClassEst) != mat(classLabels).T,ones((m,1)))
        errorRate = aggErrors.sum()/m
        print ("total error: ",errorRate)
        # 若總錯(cuò)誤率為 0，則中止 for 循環(huán)
        if errorRate == 0.0: break
    return weakClassArr,aggClassEst

在 python 提示符下，執(zhí)行代碼并得到結(jié)果：

>>> 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

最后，我們來(lái)觀察測(cè)試錯(cuò)誤率。

程序清單 7-3 AdaBoost 分類函數(shù)

"""
將弱分類器的訓(xùn)練過(guò)程從程序中抽查來(lái)，應(yīng)用到某個(gè)具體的實(shí)例上去。

datToClass: 一個(gè)或多個(gè)待分類樣例
classifierArr: 多個(gè)弱分類器組成的數(shù)組

返回 aggClassEst 符號(hào)，大于 0 返回1；小于 0 返回 -1
"""
def adaClassify(datToClass,classifierArr):
    dataMatrix = mat(datToClass)#do stuff similar to last aggClassEst in adaBoostTrainDS
    m = shape(dataMatrix)[0]
    aggClassEst = mat(zeros((m,1)))
    for i in range(len(classifierArr)):
        classEst = stumpClassify(dataMatrix, classifierArr[0][i]["dim"], classifierArr[0][i]["thresh"],
        classifierArr[0][i]["ineq"])
        aggClassEst += classifierArr[0][i]["alpha"]*classEst
        print (aggClassEst)
    return sign(aggClassEst)

在 python 提示符下，執(zhí)行代碼并得到結(jié)果：

>>> datArr, labelArr = adaboost.loadSimpData()
>>> classifierArr = adaboost.adaBoostTrainDS(datArr, labelArr, 30)
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

輸入以下命令進(jìn)行分類：

>>> adaboost.adaClassify([0,0], classifierArr)
[[-0.69314718]]
[[-1.66610226]]
matrix([[-1.]])

隨著迭代的進(jìn)行，數(shù)據(jù)點(diǎn) [0,0] 的分類結(jié)果越來(lái)越強(qiáng)。也可以在其它點(diǎn)上分類：

>>> adaboost.adaClassify([[5,5],[0,0]], classifierArr)
[[ 0.69314718]
 [-0.69314718]]
[[ 1.66610226]
 [-1.66610226]]
matrix([[ 1.],
        [-1.]])

這兩個(gè)點(diǎn)的分類結(jié)果也會(huì)隨著迭代的進(jìn)行而越來(lái)越強(qiáng)。

參考鏈接：
GBDT,ADABOOSTING概念區(qū)分 GBDT與XGBOOST區(qū)別
【機(jī)器學(xué)習(xí)實(shí)戰(zhàn)-python3】Adaboost元算法提高分類性能

$$$$

不足之處，歡迎指正。

GPU云服務(wù)器云服務(wù)器機(jī)器學(xué)習(xí)實(shí)踐機(jī)器學(xué)習(xí)實(shí)踐指南機(jī)器學(xué)習(xí)書學(xué)習(xí)算法的入門書

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址：http://specialneedsforspecialkids.com/yun/42479.html

發(fā)表評(píng)論

登陸后可評(píng)論

0條評(píng)論

terro

男|高級(jí)講師

我要關(guān)注我要私信

TA的文章

tensorflow定義常量

閱讀 2857·2023-04-26 02:49
linux inode文件系統(tǒng)；備份恢復(fù)及日志分析

閱讀 3441·2021-11-25 09:43
【2022版】基于部標(biāo)JT808JT1078車載視頻位置監(jiān)控平臺(tái)介紹-開源項(xiàng)目

閱讀 3367·2021-10-09 09:43
騰訊云服務(wù)器1核2g和2核4g區(qū)別在哪里?如何選擇?(詳解)

閱讀 2985·2021-09-28 09:44
什么是分銷主機(jī)-gst消防主機(jī)是什么品牌？

閱讀 2446·2021-09-22 15:29
HoRain Cloudflare Pro付費(fèi)版訂閱50元/年_含WAF/自定義頁(yè)面規(guī)則/5秒盾/d

閱讀 4506·2021-09-14 18:02
mineserver：一家騙子IDC,垃圾服務(wù)商家,國(guó)人以英文站放海外運(yùn)營(yíng)!

閱讀 2773·2021-09-03 10:48
用純CSS美化radio和checkbox

閱讀 3426·2019-08-30 12:47

国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

上云采購(gòu)季！| 2核2G4M爆款云服務(wù)器低至59元/年，更有多臺(tái)、長(zhǎng)期優(yōu)惠，快來(lái)選購(gòu)！

【數(shù)據(jù)科學(xué)系統(tǒng)學(xué)習(xí)】機(jī)器學(xué)習(xí)算法 # 西瓜書學(xué)習(xí)記錄 [12] 集成學(xué)習(xí)實(shí)踐

相關(guān)文章

【數(shù)據(jù)科學(xué)系統(tǒng)學(xué)習(xí)】機(jī)器學(xué)習(xí)算法 # 西瓜書學(xué)習(xí)記錄 [5] 支持向量機(jī)實(shí)踐

【數(shù)據(jù)科學(xué)系統(tǒng)學(xué)習(xí)】機(jī)器學(xué)習(xí)算法 # 西瓜書學(xué)習(xí)記錄 [3] Logistic 回歸實(shí)踐

【數(shù)據(jù)科學(xué)系統(tǒng)學(xué)習(xí)】機(jī)器學(xué)習(xí)算法 # 西瓜書學(xué)習(xí)記錄 [10] 決策樹實(shí)踐

發(fā)表評(píng)論

0條評(píng)論

terro

男|高級(jí)講師

TA的文章

tensorflow定義常量

linux inode文件系統(tǒng)；備份恢復(fù)及日志分析

【2022版】基于部標(biāo)JT808JT1078車載視頻位置監(jiān)控平臺(tái)介紹-開源項(xiàng)目

騰訊云服務(wù)器1核2g和2核4g區(qū)別在哪里?如何選擇?(詳解)

什么是分銷主機(jī)-gst消防主機(jī)是什么品牌？

HoRain Cloudflare Pro付費(fèi)版訂閱50元/年_含WAF/自定義頁(yè)面規(guī)則/5秒盾/d

mineserver：一家騙子IDC,垃圾服務(wù)商家,國(guó)人以英文站放海外運(yùn)營(yíng)!

用純CSS美化radio和checkbox

最新活動(dòng)

資訊專欄INFORMATION COLUMN

上云采購(gòu)季！| 2核2G4M爆款云服務(wù)器低至59元/年，更有多臺(tái)、長(zhǎng)期優(yōu)惠，快來(lái)選購(gòu)！

【數(shù)據(jù)科學(xué)系統(tǒng)學(xué)習(xí)】機(jī)器學(xué)習(xí)算法 # 西瓜書學(xué)習(xí)記錄 [12] 集成學(xué)習(xí)實(shí)踐

相關(guān)文章

發(fā)表評(píng)論

0條評(píng)論

男|高級(jí)講師

TA的文章

最新活動(dòng)

上云采購(gòu)季！| 2核2G4M爆款云服務(wù)器低至59元/年，更有多臺(tái)、長(zhǎng)期優(yōu)惠，快來(lái)選購(gòu)！