一文速学-Adaboost模型算法原理以及实现+Python项目实战

目录

前言

一、Adaboost算法概述

二、Adaboost模型原理

类推

计算原理

特点

适应较小量数据集，训练时间长

三、Python实例运用

AdaBoostClassifier分类

参数

实例实现分类

导入数据集

 划分数据集

 训练模型

 评估算法

模型效果

---

前言

集成学习的方法在全球各大机器学习、数据挖掘竞赛中使用的非常广泛，其概念和思想也是风靡学术界和工业界，我的期刊论文以及毕业百优论文也是用到了集成学习算法。而Adaboost作为最早开始流行的集成算法，必然包含boosting最核心的思想。作为一种元算法框架，Boosting几乎可以应用于所有目前流行的机器学习算法以进一步加强原算法的预测精度，应用十分广泛，产生了极大的影响。而AdaBoost正是其中最成功的代表，被评为数据挖掘十大算法之一。在AdaBoost提出至今的十几年间，机器学习领域的诸多知名学者不断投入到算法相关理论的研究中去，扎实的理论为AdaBoost算法的成功应用打下了坚实的基础。

在上篇文章给集成算法学习开了个小头，也较为详细的把每个Boosting算法都简述了一遍，但差点就把Adaboost算法给全部讲完了。Adaboost算是最最经典的Boosting算法了，也最能体现Boosting的思想和建模流程，那么下面我们就来了解一下Adaboost算法的原理和建模流程。

---

一、Adaboo