Adaboost（2）——基于Python的adaboost实例

最新推荐文章于 2025-05-23 08:56:06 发布

Mr_EvanChen

最新推荐文章于 2025-05-23 08:56:06 发布

阅读量1.9k

点赞数

CC 4.0 BY-SA版权

分类专栏： Python 机器学习文章标签： python adaboost 决策树分类器

本文链接：https://blog.youkuaiyun.com/Mr_EvanChen/article/details/70170454

本文介绍了使用Python实现Adaboost算法的过程，并提供了详细的代码注释。通过adaClassify()方法的测试，展示了随着迭代加深，分类效果逐渐增强，最终对示例点[0, 0]和[5, 5]进行正确分类。" 132371459,5891101,自定义WebViewClient去除Android长按弹框的'打开'选项,"['Android开发', 'WebView', '用户交互']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

用Python写的adaboost代码如下，已做了详尽的注释。如果对adaboost算法不太熟悉，可以看上一篇博客：Adaboost（1）——从了解到掌握。

# coding=utf-8
"""
@Time : 2017/4/10 18:57
@Author : EvanChen

"""

from numpy import *

# 简单数据集
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

# 该函数可以自动检测出特征的数目，因此不必指定每个文件中的特征数目。
# 同时，该函数也假定最后一个特征是类别标签
def loadDataSet(fileName):
    numFeat = len(open(fileName).readline().split('\t'))
    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

# 该函数用于通过阈值比较对数据进行分类
# 通过数组过滤所有在阈值一边的数据会分类到类别-1，而在另一边的数据会分类到+1
# 特征：dimen，分类的阈值是 threshVal,切换不等号是threshIneq
# 返回值retArray：表示根据某个阈值的分类结果
def stumpClassify(dataMatrix, dimen, threshVal, threshIneq):
    retArray = ones((shape(dataMatrix)[0], 1))
    if threshIneq == 'lt':
        retArray[dataMatrix[:, dimen] <= threshVal] = -1.0