1 主要思想

• 將原始數據分成幾個組
• 訓練一組分類器，里面有很多種弱分類器
• 每個分類器的標簽看作一次投票，投票最多的標簽為最終標簽

其架構如下所示：

2 為什么集成方法可行

假設這里有25個訓練的弱分類器，且這些分類器獨立工作，不會相互影響。

每一個分類器的出錯率

集成分類器的最終做出一個錯誤預測的概率（超過一半的基礎分類器都預測錯了）為：

其中：X為做出錯誤預測的弱分類器的數量

由此可見，集成分類器做出一個錯誤預測的概率比弱分類器低很多。

下圖顯示了，弱分類器（有的文檔也稱base classifier）的錯誤率（做出錯誤預測的概率）與集成分類器(ensemble classifier)的錯誤率之間的關系

由上圖可見，當弱分類器的錯誤率低于0.5時，集成分類器才有效。

集成分類器主要分為兩種，一種處理數據的分布，例如bagging，boosting;

另一種處理輸入特征，例如 random forests

?

3 Bagging Algorithm

3.1 Pseudo code

• 放回抽樣（sampling with replacement）

3.2 實例

已知一維原始數據集：

弱分類器是一個單層決策樹（desicion stump）

抽樣，分類

統計各標簽的得票數（正票數+負票數）：

上圖中最后一行為預估類（或標簽）

?

4 AdaBoosting Algorithm

4.1 Boosting

在bagging中，每一輪sampling，數據被取得概率都是一樣的，而Boosting更加關注哪些被誤分類的數據。

在Boosting算法中，首先，在第一輪Boosting中，所有的數據都被分配相同的權重（被抽取的概率），

在以后的幾輪抽取中，被抽取的權重發生變化，錯誤分類的數據的被抽取的權重將會提升，

而正確分類的數據被抽取的權重將會降低。

4.2 AdaBoosting?

4.2.1 Pseudo code

首先初始化權重w=1/n 并訓練弱分類器：C1, C2, …, CT

其次，計算錯誤率：

計算一個分類器的重要性：

更新權重：

?使所有??之和為1.

如果錯誤率高于0.5，所有權重再次被分配為1/n

分類公式：

4.2.2 實例

3.2中的一維原始數據集：

基本分類器任然是一個單層決策樹（desicion stump）

訓練數據過程：

總結：

計算權重：

分類：

預測分類的計算：

總結

以上是生活随笔為你收集整理的集成方法Ensemble Method(bagging, AdaBoost)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。