1.概念
从若学习算法出发，反复学恶习得到一系列弱分类器(又称基本分类器)，然后组合这些弱分类器构成一个强分类器。简单说就是假如有一堆数据data，不管是采用逻辑回归还是SVM算法对当前数据集通过分类器data进行分类，假如一些数据经过第一个分类器之后发现是对的，而另一堆数据经过第一个分类器之后发现数据分类错了，在进行下一轮之前就可以对这些数据进行修改权值的操作，就是对上一轮分类对的数据的权值减小，上一轮分类错的数据的权值增大。最后经过n个分类器分类之后就可以得到一个结果集
注意：adaboost算法主要用于二分类问题，对于多分类问题，adaboost算法效率在大多数情况下就不如随机森林和决策树
要解决的问题：如何将弱分类器(如上描述每次分类经过的每个分类器都是一个弱分类器)组合成一个强分类器：加大分类误差小的瑞分类权值减小分类误差大的弱分类器权值
1.1举例分析
2.决策树，随机森林,adaboost算法比较以乳腺癌为例来比较三种算法2.1 加载数据
#使用train_test_split将数据集拆分from sklearn.model_selection import train_test_split#将乳腺癌的数据导入，return这个参数是指导入的只有乳腺癌的数据#如果没有参数，那么导入的就是一个字典，且里面有每个参数的含义X,y=datasets.load_breast_cancer(return_X_y=True)#测试数据保留整个数据集的20%X_train,X_test,y_train,y_test = train_test_split(X,y,test_size= 0.2)2.2使用决策树
score=0for i in range(100): model=DecisionTreeClassifier() #将训练集数据及类别放入模型中 model.fit(X_train,y_train) y_ =model.predict(X_test)#预测测试集里的数据类型 score+=accuracy_score(y_test,y_)/100print("多次执行，决策树准确率是：",score)运行结果
2.3随机森林
score=0for i in range(100): #随机森林的两种随机性：一种是随机抽样，另一种是属性的随机获取。而决策树只有随机抽样一种随机性 model=RandomForestClassifier() #将训练集数据及类别放入模型中 model.fit(X_train,y_train) y_ =model.predict(X_test)#预测测试集里的数据类型 score+=accuracy_score(y_test,y_)/100print("多次执行，随机森林的准确率为是：",score)
2.4adaboost自适应提升算法
score=0for i in range(100): model=AdaBoostClassifier() #将训练集数据及类别放入模型中 model.fit(X_train,y_train) y_ =model.predict(X_test)#预测测试集里的数据类型 score += accuracy_score(y_test,y_)/100print("多次执行，adaboost准确率是：",score)
3.手撕算法
adaboost三轮计算结果
在代码中的体现就是X[i]的值
import numpy as npfrom sklearn.ensemble import AdaBoostClassifierfrom sklearn import treeimport graphvizX=np.arange(10).reshape(-1,1)#二维，机器学习要求数据必须是二维的y=np.array([1,1,1,-1,-1,-1,1,1,1,-1])display(X,y)display(X,y)运行结果如下图
# SAMME表示构建树的时候，采用相同的裂分方式#n_estimators表示分裂为三颗树model = AdaBoostClassifier(n_estimators=3,algorithm='SAMME')model.fit(X,y)y_=model.predict(X)第一颗树的可视化
dot_data=tree.export_graphviz(model[0],filled=True,rounded=True)graphviz.Source(dot_data)运行结果
第二棵树的可视化
dot_data=tree.export_graphviz(model[1],filled=True,rounded=True)graphviz.Source(dot_data)
第三课树的可视化
dot_data=tree.export_graphviz(model[2],filled=True,rounded=True)graphviz.Source(dot_data)
3.1第一轮3.1.2gini系数的计算此处计算的X[i]的值也就是v的值
w1=np.full(shape=10,fill_value=0.1)#初始的样本权重cond=y ==1 #类别1条件p1 = w1[cond].sum()p2= 1-p1display(p1,p2)gini=p1*(1-p1)+p2*(1-p2)上图可知第一棵树的X[0]=2.5的由来方式如下代码如实现
gini_result=[]best_split={}#最佳分裂条件，X[0]<=2.5lower_gini = 1#比较for i in range(len(X)-1):#数组下标从0到9，10个数据一共要切九刀 split=X[i:i+2].mean()#裂开条件，就是假如一开始要将0和1裂开并取出 cond=(X<=split).ravel()#变成一维的，左边数据 left=y[cond] right=y[~cond]#取反 #左右两边的gini系数 gini_left=0 gini_right=0 for j in np.unique(y):#y表示类别 p_left=(left==j).sum()/left.size#计算左边某个类别的概率 gini_left=p_left*(1-p_left) p_right=(right==j).sum()/right.size#计算右边某个类别的概率 gini_right=p_right*(1-p_right) #左右两边的gini系数合并 left_p=cond.sum()/cond.size right_p=1-left_pc gini=gini_left*left_p + gini_right*right_p gini_result.append(gini) if gini <lower_gini: lower_gini=gini best_split.clear() best_split['X[0]<=']=splitprint(gini_result)print(best_split)3.1.3求误差
y1_=model[0].predict(X)#由v得到的预测结果小于v为1，大于v为-1error1=(y!=y1_).mean()#求出预测值与实际值不相等元素的个数，并求平均
3.1.4计算第一个若学习器的权重
alpha_1=1/2*np.log((1-error1)/error1)
3.1.5 跟新样本权重
#上一次权重的基础上进行跟新#y表示真是的目标值#ht(X)表示当前若学习器预测的结果w2= w1*np.exp(-y*y1_*alpha_1)w2=w2/w2.sum()#权重的归一化操作，和正好是1display(w1,w2)display(y,y1_)由下方运行结果可知当预测结果与原数据不相同时，该样本对应的权值也会随之增大；反之若预测正确则权值会减小
3.2第二轮的计算也即第二课数的计算
cond=y==-1np.round(w2[cond].sum(),3)#找到类别为-1的所有权值的和，四舍五入保留3位小数
cond2=y==1np.round(w2[cond2].sum(),3)
3.2.1 gini系数的计算
cond=y ==1 #类别1条件p1 = w2[cond].sum()#使用新的样本权重分布p2= 1-p1display(p1,p2)gini=p1*(1-p1)+p2*(1-p2)
3.2.2拆分的条件
gini_result=[]best_split={}#最佳分裂条件，X[0]<=8.5lower_gini = 1#比较for i in range(len(X)-1):#数组下标从0到9，10个数据一共要切九刀 split=X[i:i+2].mean()#裂开条件，就是假如一开始要将0和1裂开并取出 cond=(X<=split).ravel()#变成一维的，左边数据 left=y[cond] right=y[~cond]#取反 #left_p=cond.sum()/cond.size#这种方式计算概率适用于每个样本的权重一样 left_p = w2[cond]/w2[cond].sum()#归一化，左侧每个样本在自己组内的概率 right_p=w2[~cond]/w2[~cond].sum()#归一化，右侧每个样本在自己组内概率 #左右两边的gini系数 gini_left=0 gini_right=0 for j in np.unique(y):#y表示类别 cond_left=left==j#左侧某个类别 p_left=left_p[cond_left].sum()#计算左边某个类别的概率 gini_left += p_left*(1-p_left) cond_right=right==j#右侧某个类别 p_right=right_p[cond_right].sum()#计算右边某个类别的概率 gini_right += p_right*(1-p_right) #左右两边的gini系数合并 p1=cond.sum()/cond.size#左侧划分数据所占的比例 p2=1-p1#右侧划分数据所占的比例 gini=gini_left*p1 +gini_right*p2 gini_result.append(gini) if gini <lower_gini: lower_gini=gini best_split.clear() best_split['X[0]<=']=splitprint(gini_result)print(best_split)
3.2.3计算误差
y2_ = model[1].predict(X)#根据求出来的v得到预测的结果error2=((y != y2_)*w2).sum()error2
3.2.4计算第二个弱学习器权重
alpha_2=1/2*np.log((1-error2)/error2)alpha_2
3.2.5跟新样本权重
#上一次权重的基础上进行更新#y表示真是的目标值#ht(X)表示当前若学习器预测的结果w3= w2*np.exp(-y*y2_*alpha_2)w3=w3/w3.sum()#权重的归一化操作，和正好是1display(w2,w3)display(y,y2_)
3.3第三轮计算3.3.1 gini系数
cond=y ==1 #类别1条件p1 = w3[cond].sum()#使用新的样本权重分布p2= 1-p1display(p1,p2)gini=p1*(1-p1)+p2*(1-p2)gini
3.3.2拆分条件
gini_result=[]best_split={}#最佳分裂条件，X[0]<=2.5lower_gini = 1#比较for i in range(len(X)-1):#数组下标从0到9，10个数据一共要切九刀 split=X[i:i+2].mean()#裂开条件，就是假如一开始要将0和1裂开并取出 cond=(X<=split).ravel()#变成一维的，左边数据 left=y[cond] right=y[~cond]#取反 #left_p=cond.sum()/cond.size#这种方式计算概率适用于每个样本的权重一样 left_p = w3[cond]/w3[cond].sum()#归一化，左侧每个样本在自己组内的概率 right_p=w3[~cond]/w3[~cond].sum()#归一化，右侧每个样本在自己组内概率 #左右两边的gini系数 gini_left=0 gini_right=0 for j in np.unique(y):#y表示类别 cond_left=left==j#左侧某个类别 p_left=left_p[cond_left].sum()#计算左边某个类别的概率 gini_left += p_left*(1-p_left) cond_right=right==j#右侧某个类别 p_right=right_p[cond_right].sum()#计算右边某个类别的概率 gini_right += p_right*(1-p_right) #左右两边的gini系数合并 p1=cond.sum()/cond.size#左侧划分数据所占的比例 p2=1-p1#右侧划分数据所占的比例 gini=gini_left*p1 +gini_right*p2 gini_result.append(gini) if gini <lower_gini: lower_gini=gini best_split.clear() best_split['X[0]<=']=splitprint(gini_result)print(best_split)
3.3.3计算误差
y3_ = model[2].predict(X)#根据求出来的v得到预测的结果error3=((y != y3_)*w3).sum()error3
3.3.4计算第三个弱学习器权重
alpha_3=1/2*np.log((1-error3)/error3)alpha_3
3.3.5跟新权重
#上一次权重的基础上进行更新#y表示真是的目标值#ht(X)表示当前若学习器预测的结果w4= w3*np.exp(-y*y3_*alpha_3)w4=w4/w4.sum()#权重的归一化操作，和正好是1display(w3,w4)display(y,y3_)
3.4弱学习器的聚合
print("每一个弱分类器的预测结果：")display(y1_,y2_,y3_)#F 表示聚合各个弱学习器的评分F=alpha_1*y1_ + alpha_2*y2_ + alpha_3*y3_#将多个弱分类器，整合，变成了强分类器F(X)print("强分类器合并结果：\n",F)#根据得到的最终的F,如果i大于0就是1，否则就是-1，就像把最终的结果放进符号函数中print("强分类器最终结果如下：\n",np.array([1 if i > 0 else -1 for i in F]))print("算法预测结果为：\n",model.predict(X))