集成学习
集成学习通过构建并合并多个学习器来完成学习任务，有时也被称为多分类器系统。
如果在集成学习中我们使用的学习器只包括同种类型的个体学习器，如“决策树集成”中全是决策树，这种集成叫同质集成，这里面的个体学习器称之为“基学习器”，相应的学习算法称之为“基学习算法”，反之称为“异质集成”，个体学习器称为“组件学习器”。
集成学习
集成学习的结果通过投票法产生，即“少数服从多数”。
对个体学习器的要求：
- 准确性：个体学习器应该有一定的准确性。
- 多样性：个体学习器间应该具有差异性。
集成学习大致可以分为两类：
- 个体学习器间存在强依赖关系，必须串行生成序列化的方法，如Boosting。
- 个体学习器间不存在强依赖关系，可同时生成的并行化方法，如Bagging，和随机森林。
AdaBoost
Boosting是一族可以将弱学习器提升为强学习器的算法,AdaBoost（adaptive boosting自适应增强）是Boost一族的典型代表。
AdaBoost算法流程
训练集,其中
,
,使用
个弱学习器。
步骤一：
初始化训练数据的权值分布，一开始每一个样本赋予相同的权值
步骤二：
进行多轮的迭代学习，使用具有权值分布的的训练数据集来学习，得到基本分类器。分对的样本的权值会降低，分错的样本的权值会增加，目的是使分错的训练样本得到更多的关注。每个学习器都会有一个权值
,
进行计算的。
学习器的权值为
从这个公式可以看出当小于0.5时
,意味着学习器的误差率越小的基学习器在最终的分类器中作用越大。
然后我们还需要做的就是更新样本的权值
这样可以使得被基本分类器Gm(x)误分类样本的权值增大，而被正确分类样本的权值减小。
其中是规范化因子，可以使得
成为一个概率分布
具体的证明过程参见周志华《机器学习》P172~P176。步骤三：
组合各弱学习器:
得到最终的分类器为
在
时取值为-1，0，1
AdaBoost流程
参考这个图片可以更加形象的理解AdaBoost的流程。
伪代码表示：
伪代码表示
Python 实现
AdaBoost.py
#-*- coding=utf8 -*-
from numpy import *
def loadData():
dataMat = matrix([[1.,2.1],
[2.,1.1],
[1.3,1.1],
[1.,1.],
[2.,1.]])
classLabel = [1.0,1.0,-1.0,-1.0,1.0]
return dataMat,classLabel
#根据数据与阀值的比较进行分类
def stumpClassify(dataMatrix,dimen,threshVal,threshIneg):
retArray = ones((shape(dataMatrix)[0],1))
if threshIneg == 'lt':
retArray[dataMatrix[:,dimen]<= threshVal] = -1.0
else:
retArray[dataMatrix[:,dimen]> threshVal] = -1.0
return retArray
#创建最佳的单层决策树
def buildStump(dataArr,classLabels,D):
dataMatrix = mat(dataArr);
labelMat = mat(classLabels).T
m,n=shape(dataMatrix)
#initial
numSteps = 10.0
bestStump ={}
bestClasEst = mat(zeros((m,1)))
minerror = inf
#遍历属性
for i in range(n):
rangeMin = dataMatrix[:,i].min()
rangeMax = dataMatrix[:,i].max()
stepSize = (rangeMax -rangeMin)/numSteps
for j in range(-1,int(numSteps)+1):
for inequal in ['lt','gt']:
#设定阀值
threshVal = (rangeMin+float(j)*stepSize)
predictedVals = stumpClassify(dataMatrix,i,threshVal,inequal)
errArr = mat(ones((m,1)))
errArr[predictedVals==labelMat]=0
weightedError = D.T*errArr
if weightedError < minerror:
minerror = weightedError
bestClasEst = predictedVals.copy()
bestStump['dim'] = i
bestStump['thresh']=threshVal
bestStump['ineq'] = inequal
#返回单层决策树的节点，误差，以及预测值
return bestStump,minerror,bestClasEst
#基于单层决策树的AdaBoost训练过程
def AdaBoostTrainDS(dataArr,classLabels,numIt=40):
#弱分类器的列表
weakClassArr=[]
m = shape(dataArr)[0]
#step1:初始化训练数据的权值
D = ones((m,1))/m
aggClassEst = mat(zeros((m,1)))
#串行训练各个弱分类器
for i in range(numIt):
bestStump,error,classEst = buildStump(dataArr,classLabels,D)
print "D: ",D.T
#计算学习器的权值
alpha = float(0.5 * log((1.0 - error)/max(error, 1e-16)))
bestStump['alpha']=alpha
weakClassArr.append(bestStump)
print "classEst: ",classEst.T
#更新数据的权值
expon = multiply(-1*alpha*mat(classLabels).T,classEst)
D = multiply(D,exp(expon))
D = D/D.sum()
aggClassEst += alpha * classEst
print "aggClassEst: ",alpha*classEst
aggErrors = multiply(sign(aggClassEst)!=mat(classLabels).T,ones((m,1)))
errorRate = aggErrors.sum()/m
print "total error: ",errorRate,"\n"
if errorRate == 0.0:
break;
return weakClassArr
#AdaBoost分类器
def adaClassify(datToClass,classfierArr):
dataMatrix = mat(datToClass)
m = shape(dataMatrix)[0]
aggClassEst = mat(zeros((m,1)))
for i in range(len(classfierArr)):
classEst = stumpClassify(dataMatrix,classfierArr[i]['dim'],classfierArr[i]['thresh'],classfierArr[i]['ineq'])
aggClassEst +=classfierArr[i]['alpha']*classEst
print aggClassEst
return sign(aggClassEst)
test.py
import AdaBoost
from numpy import *
#import api
#test loadData
dataMat,classLabel = AdaBoost.loadData()
print dataMat
#test buildStump
D = mat(ones((5,1))/5)
print AdaBoost.buildStump(dataMat,classLabel,D)
#test AdaBoost
classifierArr=AdaBoost.AdaBoostTrainDS(dataMat,classLabel,9)
#test classifier
print AdaBoost.adaClassify([[0,0],[5,5]],classifierArr)
