簡單易學(xué)的機(jī)器學(xué)習(xí)算法—AdaBoost

一、集成方法(Ensemble Method)

為了構(gòu)造出一個強(qiáng)的學(xué)習(xí)算法，首先需要選定一個弱學(xué)習(xí)算法，并利用同一個訓(xùn)練集不斷訓(xùn)練弱學(xué)習(xí)算法，以提升弱學(xué)習(xí)算法的性能。在AdaBoost算法中，有兩個權(quán)重，第一個數(shù)訓(xùn)練集中每個樣本有一個權(quán)重，稱為樣本權(quán)重，用向量D表示；另一個是每一個弱學(xué)習(xí)算法具有一個權(quán)重，用向量A表示。假設(shè)有N個樣本的訓(xùn)練集，初始時，設(shè)定每個樣本的權(quán)重是相等的，即，利用第一個弱學(xué)習(xí)算法對其進(jìn)行學(xué)習(xí)，學(xué)習(xí)完成后進(jìn)行錯誤率的統(tǒng)計：

其中，表示被錯誤分類的樣本數(shù)目，表示所有樣本的數(shù)目。這樣便可以利用錯誤率計算弱學(xué)習(xí)算法的權(quán)重：

其中，表示對第個樣本訓(xùn)練正確，表示對第個樣本訓(xùn)練錯誤。是一個歸一化因子：

這樣進(jìn)行第二次的學(xué)習(xí)，當(dāng)學(xué)習(xí)t輪后，得到了t個弱學(xué)習(xí)算法及其權(quán)重。對新的分類數(shù)據(jù)，分別計算t個弱分類器的輸出，最終的AdaBoost算法的輸出結(jié)果為：

python] view plain copy
#coding:UTF-8  
'''''
Created on 2015年6月15日
 
@author: zhaozhiyong
 
'''  
 
from numpy import *  
 
def loadSimpleData():  
    datMat = mat([[1., 2.1],  
                  [2., 1.1],  
                  [1.3, 1.],  
                  [1., 1.],  
                  [2., 1.]])  
    classLabels = mat([1.0, 1.0, -1.0, -1.0, 1.0])  
    return datMat, classLabels  
 
def singleStumpClassipy(dataMat, dim, threshold, thresholdIneq):  
    classMat = ones((shape(dataMat)[0], 1))  
    #根據(jù)thresholdIneq劃分出不同的類，在'-1'和'1'之間切換  
    if thresholdIneq == 'left':#在threshold左側(cè)的為'-1'  
        classMat[dataMat[:, dim] <= threshold] = -1.0  
    else:  
        classMat[dataMat[:, dim] > threshold] = -1.0  
      
    return classMat  
 
def singleStump(dataArr, classLabels, D):  
    dataMat = mat(dataArr)  
    labelMat = mat(classLabels).T  
    m, n = shape(dataMat)  
    numSteps = 10.0  
    bestStump = {}  
    bestClasEst = zeros((m, 1))  
    minError = inf  
    for i in xrange(n):#對每一個特征  
        #取第i列特征的最小值和最大值，以確定步長  
        rangeMin = dataMat[:, i].min()  
        rangeMax = dataMat[:, i].max()  
        stepSize = (rangeMax - rangeMin) / numSteps  
        for j in xrange(-1, int(numSteps) + 1):  
            #不確定是哪個屬于類'-1'，哪個屬于類'1'，分兩種情況  
            for inequal in ['left', 'right']:  
                threshold = rangeMin + j * stepSize#得到每個劃分的閾值  
                predictionClass = singleStumpClassipy(dataMat, i, threshold, inequal)  
                errorMat = ones((m, 1))  
                errorMat[predictionClass == labelMat] = 0  
                weightedError = D.T * errorMat#D是每個樣本的權(quán)重  
                if weightedError < minError:  
                    minError = weightedError  
                    bestClasEst = predictionClass.copy()  
                    bestStump['dim'] = i  
                    bestStump['threshold'] = threshold  
                    bestStump['inequal'] = inequal  
      
    return bestStump, minError, bestClasEst  
 
def adaBoostTrain(dataArr, classLabels, G):  
    weakClassArr = []  
    m = shape(dataArr)[0]#樣本個數(shù)  
    #初始化D，即每個樣本的權(quán)重  
    D = mat(ones((m, 1)) / m)  
    aggClasEst = mat(zeros((m, 1)))  
      
    for i in xrange(G):#G表示的是迭代次數(shù)  
        bestStump, minError, bestClasEst = singleStump(dataArr, classLabels, D)  
        print 'D:', D.T  
        #計算分類器的權(quán)重  
        alpha = float(0.5 * log((1.0 - minError) / max(minError, 1e-16)))  
        bestStump['alpha'] = alpha  
        weakClassArr.append(bestStump)  
        print 'bestClasEst:', bestClasEst.T  
          
        #重新計算每個樣本的權(quán)重D  
        expon = multiply(-1 * alpha * mat(classLabels).T, bestClasEst)  
        D = multiply(D, exp(expon))  
        D = D / D.sum()  
          
        aggClasEst += alpha * bestClasEst  
        print 'aggClasEst:', aggClasEst  
        aggErrors = multiply(sign(aggClasEst) != mat(classLabels).T, ones((m, 1)))  
        errorRate = aggErrors.sum() / m  
        print 'total error:', errorRate  
        if errorRate == 0.0:  
            break  
    return weakClassArr  
 
def adaBoostClassify(testData, weakClassify):  
    dataMat = mat(testData)  
    m = shape(dataMat)[0]  
    aggClassEst = mat(zeros((m, 1)))  
    for i in xrange(len(weakClassify)):#weakClassify是一個列表  
        classEst = singleStumpClassipy(dataMat, weakClassify[i]['dim'], weakClassify[i]['threshold'], weakClassify[i]['inequal'])  
        aggClassEst += weakClassify[i]['alpha'] * classEst  
        print aggClassEst  
    return sign(aggClassEst)  
              
if __name__ == '__main__':  
    datMat, classLabels = loadSimpleData()  
    weakClassArr = adaBoostTrain(datMat, classLabels, 30)  
    print "weakClassArr:", weakClassArr  
    #test  
    result = adaBoostClassify([1, 1], weakClassArr)  
    print result  


最終的決策樹序列：
weakClassArr: [{'threshold': 1.3, 'dim': 0, 'inequal': 'left', 'alpha': 0.6931471805599453}, {'threshold': 1.0, 'dim': 1, 'inequal': 'left', 'alpha': 0.9729550745276565}, {'threshold': 0.90000000000000002, 'dim': 0, 'inequal': 'left', 'alpha': 0.8958797346140273}]