代码实战之AdaBoost

尝试用sklearn进行adaboost实战 & SAMME.R算法流程，博客地址

• 初试AdaBoost
  • SAMME.R算法流程
• sklearn之AdaBoostClassifier类
• 完整实战demo

 

初试AdaBoost

理论篇戳这里

一个简单的例子，来介绍AdaBoostClassifier。

例子放在Github上，能够直接fork。

#coding=utf-8
#python 3.5
'''
Created on 2017年11月24日
@author: Scorpio.Lu
'''

'''
在scikit-learn库中，有AdaBoostRegression（回归）和AdaBoostClassifier（分类）两个。
在对和AdaBoostClassifier进行调参时，主要是对两部分进行调参：1) AdaBoost框架调参；2)弱分类器调参
'''

#导包
from sklearn.model_selection import cross_val_score
from sklearn.datasets import load_iris
from sklearn.ensemble import AdaBoostClassifier  

#载入数据，sklearn中自带的iris数据集
iris=load_iris()

'''
AdaBoostClassifier参数解释
base_estimator:弱分类器，默认是CART分类树：DecisionTressClassifier
algorithm：在scikit-learn实现了两种AdaBoost分类算法，即SAMME和SAMME.R，
           SAMME就是原理篇介绍到的AdaBoost算法，指Discrete AdaBoost
           SAMME.R指Real AdaBoost，返回值再也不是离散的类型，而是一个表示几率的实数值，算法流程见后文
                            二者的主要区别是弱分类器权重的度量，SAMME使用了分类效果做为弱分类器权重，SAMME.R使用了预测几率做为弱分类器权重。
           SAMME.R的迭代通常比SAMME快，默认算法是SAMME.R。所以，base_estimator必须使用支持几率预测的分类器。
loss：这个只在回归中用到，不解释了
n_estimator:最大迭代次数，默认50。在实际调参过程当中，经常将n_estimator和学习率learning_rate一块儿考虑
learning_rate:每一个弱分类器的权重缩减系数v。f_k(x)=f_{k-1}*a_k*G_k(x)。较小的v意味着更多的迭代次数，默认是1，也就是v不发挥做用。
另外的弱分类器的调参，弱分类器不一样则参数不一样，这里不详细叙述
'''
#构建模型
clf=AdaBoostClassifier(n_estimators=100)  #弱分类器个数设为100
scores=cross_val_score(clf,iris.data,iris.target)
print(scores.mean())

 

SAMME.R算法流程

1. 初始化样本权值：$ w_i=1/N,i=1,2,…,N $
2. Repeat for $ m=1,2,…,M $:
   1. 训练一个弱分类器，获得样本的类别预测几率分布 $ p_m(x)=P(y=1|x)∈[0,1] $
   2. $f_m(x)=\frac{1}{2}log\frac{p_m(x)}{1-p_m(x)}$
   3. $w_i=w_iexp[-y_if_m(x_i)]$，同时，要进行归一化使得权重和为1
3. 获得强分类模型：$sign{\sum_{m=1}^{M}f_m(x)}$

 

 

AdaBoostClassifier类

如今咱们来讲点理论的东西。关于AdaBoostClassifier。

sklearn.ensemble.AdaBoostClassifier的构造函数以下：

AdaBoostClassifier(base_estimator=None, n_estimators=50, learning_rate=1.0, algorithm=’SAMME.R’, random_state=None)

各个参数已经在代码里介绍过了，这里再也不叙述。有一点要注意，理论上能够选择任何一个弱分类器，不过须要有样本权重。

另外有方法：

另一些方法请见官网sklearn-AdaBoost

 

 

完整实战demo

如今再来一个完整的demo，来看看AdaBoost的分类效果

#coding=utf-8
#python 3.5
'''
Created on 2017年11月27日

@author: Scorpio.Lu
'''

import numpy as np
import matplotlib.pyplot as plt
from sklearn.ensemble import AdaBoostClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import make_gaussian_quantiles

#用make_gaussian_quantiles生成多组多维正态分布的数据
#这里生成2维正态分布，设定样本数1000，协方差2
x1,y1=make_gaussian_quantiles(cov=2., n_samples=200, n_features=2, n_classes=2, shuffle=True, random_state=1)
#为了增长样本分布的复杂度，再生成一个数据分布
x2,y2=make_gaussian_quantiles(mean=(3,3), cov=1.5, n_samples=300, n_features=2, n_classes=2, shuffle=True, random_state=1)
#合并
X=np.vstack((x1,x2))
y=np.hstack((y1,1-y2))
#plt.scatter(X[:,0],X[:,1],c=Y)
#plt.show()

#设定弱分类器CART
weakClassifier=DecisionTreeClassifier(max_depth=1)

#构建模型。
clf=AdaBoostClassifier(base_estimator=weakClassifier,algorithm='SAMME',n_estimators=300,learning_rate=0.8)
clf.fit(X, y)

#绘制分类效果
x1_min=X[:,0].min()-1
x1_max=X[:,0].max()+1
x2_min=X[:,1].min()-1
x2_max=X[:,1].max()+1
x1_,x2_=np.meshgrid(np.arange(x1_min,x1_max,0.02),np.arange(x2_min,x2_max,0.02))

y_=clf.predict(np.c_[x1_.ravel(),x2_.ravel()])
y_=y_.reshape(x1_.shape)
plt.contourf(x1_,x2_,y_,cmap=plt.cm.Paired)
plt.scatter(X[:,0],X[:,1],c=y)
plt.show()

 

训练完成后的错误率大概是0.116。分类效果图以下：

做者 Scorpio.Lu转载请注明出处！