利用AdaBoost元算法提高分类性能
元算法是对其他算法进行组合的一种方式。其背后的思路就像当做重要决定时,大家可能都会考虑吸取多个专家而不只是一个人的意见。利用元算法处理机器学习问题时就是采用
这种思路。
基于数据集多重抽样的分类器
将不同的分类器进行组合,这种组合结果被称为集成方法或者元算法。
使用集成方法时有多种形式:
- 不同算法的集成;
- 同一算法在不同设置下的集成;
- 数据集不同部分分配给不同分类器之后的集成。
AdaBoost优缺点:
- 优点:泛化错误率低,易编码,可以应用在大部分分类器上,无参数调整。
- 缺点:对离群点敏感
- 使用数据类型:数值型和标称型数据
bigging:基于数据随机重抽样的分类器构建方法
自汇聚法,也称为bagging方法,是从原始数据集选择S次后得到S个新数据集的一种技术。在S个数据集建好之后,将某个学习算法分别作用于每个数据集就得到了S个分类器。当
我们要对新数据进行分类时,就可以应用这S个分类器进行分类。与此同时,选择分类器投票结果最多的类别作为最后的分类结果。
boosting
boosting是通过集中关注被已有分类器错分的那些数据来获得新的分类器,boosting中的分类器权重并不相等,每个权重代表的是其对应分类器在上一轮迭代中的成功度。AdaBoost
是boosting中最流行的一个版本。
AdaBoost的一般流程
- 收集数据:可以使用任意方法
- 准备数据:依赖于所使用的弱分类器类型。作为弱分类器,简单分类器效果更好
- 分析数据:可以使用任意方法
- 训练算法:AdaBoost的大部分时间都用在训练上,分类器将多次在同一数据集上训练弱分类器
- 测试算法:计算分类的错误率
- 使用算法:同SVM一样,同AdaBoost预测二分类问题,如果想把它应用到多个类别,需对AdaBoost进行修改
训练算法:基于错误提升分类器的性能
AdaBoost是adaptive boosting(自适应boosting)的缩写,其运行过程如下:
- 训练数据中的每个样本,并赋予其一个权重,这些权重构成了向量D。一开始,这些权重都初始化成相等值。
- 首先在训练数据上训练出一个弱分类并计算该分类器的错误率,然后在同一数据集上再次训练弱分类器。
- 在分类器的第二次训练当中,将会重新调整每个样本的权重,其中第一次分对的样本的权重将会降低,而第一次分错的样本的权重将会提高。
- 为了从所有弱分类器中得到最终的分类结果,AdaBoost为每个分类器都分配了一个权重值alpha,这些alpha值是基于每个弱分类器的错误率进行计算的。
++ 其中,错误率$\varepsilon 的定义为:的定义为:的定义为:\varepsilon = \frac{未正确分类的数目}{所有样本数目}$
++ 而alpha的计算公式如下:α=12ln(1−εε)\alpha = \frac{1}{2}ln(\frac{1-\varepsilon }{\varepsilon })α=21ln(