亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

機器學習-AdaBoosting及其Java實現

系統 1767 0

??? Adaboost with trees is the best off-the-shelf classifier in the world. ?? -Breiman 1996

??? 決策樹算法起源于1984年Breiman,Friedman等人提出的CART,后來又有人(Quinlan等)提出ID3,C4.5,C5.0,CHAID等算法,但是90年代隨著支持向量機(SVM)的提出和發展,決策樹遇到了極大的挑戰。1996年,Freund和Schapire等人提出了Adaboost算法,可以將多個弱分類器(比如Stump決策樹)組合起來形成一個更加強大的強分類器,其性能可以與支持向量機媲美,所以才會有Breiman上面那句話。

? (一) 算法:

? Adaboost算法的思想起源于80年代Valiant提出的PAC理論(Valiant因此獲得2010年圖靈獎),1996年由Freund和Schapire提出該算法(二人因此獲得2003年的 Godel Price ,是計算機理論界的最高獎),其大體思想是,訓練多個 弱分類器 (Weak Classifier,所謂弱分類器是指分類效果僅比隨機分類器效果好就可以,亦即分類錯誤率要小于0.5,典型的弱分類器如 Stump ,亦即只有一個決策節點的決策樹),每個弱分類器都會更加關注上個弱分類器分錯類的訓練樣例,最終的分類器由所有的這些弱分類器加權組成,亦即其分類結果為多個弱分類器的分類結果的加權和。下面是詳細介紹:

? Adaboost算法會訓練M個弱分類器,每個分類器都會給所有的訓練樣例賦予權重,第一個分類器所有訓練樣例的權重都是1/N(N為訓練樣例的個數),后面每個弱分類器都會提高前面的弱分類器分錯類的訓練樣例的權重,以便使得這些訓練樣例盡量不會再分錯。在此,我們僅討論最簡單的二分類,亦即分類結果為{+1,-1}:

?

? 1. 為第一個弱分類器的所有訓練樣例初始化權重,都設為1/N。

機器學習-AdaBoosting及其Java實現_第1張圖片

? 2. 迭代M次,亦即訓練M個弱分類器:

? (a) 訓練當前弱分類器,使得訓練樣例的加權誤差Jm最小。

? (b) 求得當前弱分類器的加權誤差率ε,如果ε>0.5,則當前分類器效果太差,算法終止,否則計算α=ln((1-ε)/ε),α是一個大于1的數,用來增加被分錯類的訓練樣例的權重。

? (c) 對于所有被當前弱分類器分錯類的訓練樣例,增大其權重(乘以α),以便在訓練下一個弱分類器時重視這些被分錯類的訓練樣例(真正實現時還應進行標準化,亦即使得所有權重的和為1)。

機器學習-AdaBoosting及其Java實現_第2張圖片

? 3. 最終得到的強分類器利用M個弱分類器的分類結果的加權和作為測試訓練樣例的分類結果。

? (二)Java實現

? 為了充分理解Adaboost算法,我寫了一個簡單的Java程序,訓練樣例是二維空間上的N個點,用到的弱分類器是最簡單的Stump,亦即樹樁。當訓練數據是隨機生成的時候,迭代10次后得到的分類器的準確率會達到75%-90%。當訓練數據是形如下所示的分布時(但是我的數據集只有20個點),準確率可以達到100%。

機器學習-AdaBoosting及其Java實現_第3張圖片

? 參考文獻:

? [1] Christopher M.Bishop Pattern Recognization and Machine Learnin ( PRML ), Chapter 14 Combining Models, p657

? [2] Ethern Alpaydin 機器學習導論 15章 組合多學習器 p236

? [3] Boosting算法簡介 百度搜索研發部 官方博客

? [4] 統計學習那些事 數據挖掘研究院

? [5] Wiki:Decision Tree Learning

? [6] Wiki:AdaBoost

機器學習-AdaBoosting及其Java實現


更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 亚洲一二区视频 | 国产精品香蕉在线一区二区 | 99涩涩| 久热re国产手机在线观看 | 国产未成女年一区二区 | 欧美成人免费全网站大片 | 国产精品亚洲欧美日韩区 | 久久久久久久九九九九 | 久久久久国产精品四虎 | 色久综合在线 | 成人激情视频 | 国产精品18久久久久久小说 | 伊人久久综合谁合综合久久 | 亚洲欧美视频一区二区三区 | 九九在线免费视频 | 国产视频在线播放 | 久久精品久噜噜噜久久 | 天天干狠狠干 | 91视频观看免费 | 国产精品亚洲高清一区二区 | 四虎免费观看 | 国产精品片 | 久久综久久美利坚合众国 | 涩涩免费播放观看在线视频 | 欧美福利影院 | 日韩欧美亚洲综合久久影院d3 | 免看一级一片一在线看 | 老潮湿影院免费体验区 | 久久99国产一区二区三区 | 中文乱码精品一区二区三区 | 国产经典自拍 | 8848hh四虎免费 | 国产精品aaa | 欧美一线视频 | 一级一级 a爱片免费视频 | 青草操 | 色片在线免费观看 | 久久精品一区二区三区资源网 | 日本免费一区尤物 | 4htv影院永久免费在线地址 | 5x性区m免费毛片视频看看 |