西瓜书-AdaBoost

栏目: 数据库 · 发布时间: 5年前

内容简介:集成学习(ensemble learning)通过构建多个个体学习器并结合起来完成学习任务。做一个简单分析,考虑二分类问题 ,假定基本分类器的错误率为 ,有由基分类器相互独立,设X为T个基分类器分类正确的次数,因此

集成学习(ensemble learning)通过构建多个个体学习器并结合起来完成学习任务。

做一个简单分析,考虑二分类问题 ,假定基本分类器的错误率为 ,有

由基分类器相互独立,设X为T个基分类器分类正确的次数,因此

西瓜书-AdaBoost

根据Hoeffding不等式 令 得

西瓜书-AdaBoost

由上面的式子可以得到,个体分类器的数目越大。错误率将指数级下降,最终变为0。

要获得好的集成,个体学习器应该“好而不同”,要有一定的“准确性”,即学习器不能太坏,并且要有多样性,之间具有差异。互为补充,才可提升效果。而集成学习的难点就是如何获得“好而不同”的学习器。

根据个体学习器的生成方式,集成学习大致分为两类:

  1. 个体学习器间有强依赖,必须串行生成的序列化方法。代表:AdaBoost
  2. 个体学习器不存在强依赖,可并行生成方法。代表:Bagging和RandomForest

AdaBoost

直观解释层面

boosting 方法背后的直观想法是:

  1. 我们需要串行训练模型,而不是并行训练。
  2. 每个模型需要重点关注之前的分类器表现不佳的地方。

上述想法可以诠释为:

  • 在整个数据集上训练模型 h1
  • 对 h1 表现较差的区域的数据加权,并在这些数据上训练模型 h2
  • 对 h1 ≠ h2 的区域的数据加权重,并在这些数据上训练模型 h3
  • ...

加权误差

我们如何才能实现这样的分类器呢?实际上,我们是通过在整个迭代过程中加权误差做到的。这样,我们将为之前分类器表现较差的区域赋予更大的权重。

不妨想想二维图像上的数据点。有些点会被很好地分类,有些则不会。通常,在计算误差率时,每个误差的权重为 1/n,其中 n 是待分类的数据点个数。

西瓜书-AdaBoost

现在让我们对误差进行加权!

西瓜书-AdaBoost

现在,你可能注意到了,我们对没有被很好地分类的数据点赋予了更高的权重。加权的过程如下图所示:

西瓜书-AdaBoost

最终,我们希望构建如下图所示的强分类器:

西瓜书-AdaBoost

在每一轮迭代 t 中,我们将选择能够最好地划分数据的弱分类器 ht,该分类器能够最大限度地降低整体误差率。回想一下,这里的误差率是一个经过加权修正之后的误差率版本,它考虑到了前面介绍的内容。

寻找最佳划分

如上所述,通过在每轮迭代 t 中识别最佳弱分类器 ht(通常为具有 1 个节点和 2 片叶子的决策树(决策树桩))来找到最佳划分。假设我们试图预测一个想借钱的人是否会是一个好的还款人:

西瓜书-AdaBoost

在这种情况下,t 时刻的最佳划分是将「支付历史」作为树桩,因为这种划分的加权误差是最小的。

只需注意,实际上,像这样的决策树分类器可能具备比简单的树桩更深的结构。这将会是一个超参数。

融合分类器

自然而然地,下一步就应该是将这些分类器融合成一个符号分类器。根据某个数据点处于分割线的哪一侧,将其分类为 0 或 1。该过程可以通过如下方式实现:

西瓜书-AdaBoost

你发现了可能提升分类器性能的方法吗?

通过为每个分类器加权,可以避免赋予不同的分类器相同的重要性。

西瓜书-AdaBoost

西瓜书理论推导

为什么使用指数损失函数

西瓜书-AdaBoost
  1. 先考虑指数损失函数 的含义,f为真实函数,对于样本x来说, 只能取和两个值,而 是一个实数; 当 的符号与 一致时, ,因此 ,且 大指数损失函数

(这很合理:此时 越大意味着分类器本身对预测结果的信心越大,损失应该越小;若 零附近,虽然预测正确,但表示分类器本身对预测结果信心很小,损失应该较大) 越小。

当 的符号与 不一致时, ,因此 ,且| H(\boldsymbol{x}) |∣H(x)∣越大指数损失函数越大(这很合理:此时 大意味着分类器本身对预测结果的信心越大,但预测结果是错的,因此损失应该越大;

若 在零附近,虽然预测错误,但表示分类器本身对预测结果信心很小,虽然错了,损失应该较小)

  1. 符号 的含义: 为概率分布,可简单理解为在数据集 中进行一次随机抽样,每个样本被取到的概率, 为经典的期望,则综合起来 表示在概率分布 上的期望
西瓜书-AdaBoost
西瓜书-AdaBoost

显然sign(H(x))达到了贝叶斯最优错误率,换言之,若指数损失函数最小化,分类错误率也将最小化。这说明指数损失函数是原本0/1损失函数的一致性替代损失函数。它的优势是它是连续可微函数,因此我们替换它作为优化目标。

类似地,在AdaBoost算法中,第一个基分类器 是通过直接将基学习算法用于初始数据分布而得;此后迭代地生成 和

西瓜书-AdaBoost
权重更新以后,样本分布将要进行调整,是下一轮的基本学习器ht能纠正上一轮的

的一些错误,理想情况下h(t)能纠正所有错误。

西瓜书-AdaBoost

所以下一轮的学习是看谁能最小化上一轮的调整后的权重分布,谁就是最合适的。

西瓜书-AdaBoost
西瓜书-AdaBoost

实例演示

最后还是看实例把内容串起来的,哎

参考自: zhuanlan.zhihu.com/p/27126737

例 给定如下表所示训练数据。假设个体学习器由x(输入)和y(输出)产生,其阈值v(判定正反例的分界线)使该分类器在训练数据集上分类误差率最低。(y=1为正例,y=-1为反例)

西瓜书-AdaBoost

以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

学习Web设计

学习Web设计

罗宾斯 / 靳志伟 / 机械工业出版社 / 2009-1 / 65.00元

《学习Web设计(第3版)》从说明网站和网页是如何工作开始,逐步深入。当你看完《学习Web设计(第3版)》时,你将掌握使用优化的图像文件来创建多列CSS布局的技术,而且你将知道如何创建网页。这一版经过了彻底的修订,它可以教你如何根据现代设计的实践经验和专业标准来创建网站。《学习Web设计(第3版)》包含了一些练习,可以帮助你学习各种技术,还有一些小测验可以确保你及时掌握重要的概念。如果你对网站设计......一起来看看 《学习Web设计》 这本书的介绍吧!

JSON 在线解析
JSON 在线解析

在线 JSON 格式化工具

在线进制转换器
在线进制转换器

各进制数互转换器

RGB CMYK 转换工具
RGB CMYK 转换工具

RGB CMYK 互转工具