AdaBoost
AdaBoost（Adaptive Boosting的简称）是一种集成学习方法，它的核心思想在于将多个弱学习器组合起来，形成一个强学习器。通过这种方式，AdaBoost能够显著提高分类性能。下面详细介绍AdaBoost的主要概念和工作原理：
1. 弱学习器（Weak Learner）
- 弱学习器指的是那些仅比随机猜测略好的模型，例如决策树、小神经网络等。在AdaBoost中，通常使用深度非常浅的决策树（如单层决策树，也称为决策树桩）作为弱学习器。
2. 自适应（Adaptive）
- AdaBoost之所以称为自适应增强，是因为它能够根据前一个学习器的表现调整数据的权重分布，使得之前被错误分类的数据在后续的学习器中获得更多的关注。这种自适应的过程使得模型能够专注于那些难以正确分类的样本。
3. 工作原理
- 初始化权重：开始时，每个训练样本被赋予相同的权重。
- 循环训练弱学习器 ：AdaBoost算法会进行多轮迭代，每一轮都会训练一个新的弱学习器。在每一轮中：
- 基于当前的权重分布，从训练集中训练出一个弱学习器。
- 计算该弱学习器的错误率。
- 根据错误率计算该弱学习器的权重（即该学习器对最终结果的贡献）。错误率越低的学习器权重越大。
- 更新训练样本的权重，增加被当前学习器错误分类样本的权重，减少正确分类样本的权重。
- 进入下一轮迭代。
- 组合弱学习器：所有的弱学习器根据各自的权重组合成最终的模型。分类决策通常是通过对所有学习器的加权投票来实现的。
4. 特点和优势
- 准确率高：通过组合多个弱学习器，AdaBoost能够达到很高的准确率。
- 易于编码：AdaBoost算法相对简单，易于实现。
- 自动处理特征选择：AdaBoost在训练过程中会自动选择有用的特征，从而简化了模型的复杂度和提高了模型的泛化能力。
- 不太容易过拟合：在弱学习器的选择和数量控制得当的情况下，AdaBoost不太容易过拟合。
5. 应用
AdaBoost被广泛应用于各种分类问题，包括二分类和多分类问题，如人脸识别、客户流失预测、文本分类等领域。
#coding=utf-8
#AdaBoostClassifier.py
import pandas as pd
from sklearn.model_selection import train_test_split
#from sklearn.naive_bayes import GaussianNB
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import AdaBoostClassifier
# 加载数据
filename="./glass.data"
glass_data = pd.read_csv(filename,index_col=0,header=None)
# 先从DataFrame中取出数组值（.value）
X,y = glass_data.iloc[:,:-1].values, glass_data.iloc[:,-1].values
#X,y = glass_data.iloc[:,:-1], glass_data.iloc[:,-1]
# 划分训练集与测试集
X_train, X_test, y_train, y_test = train_test_split(
X, y, shuffle=True, stratify=y, random_state=1)
# 创建基本分类器对象
#base_clf = GaussianNB()
base_clf = DecisionTreeClassifier(max_depth=2,random_state=0)
# 创建AdaBoostingClassifier对象
ada_clf = AdaBoostClassifier(base_estimator=base_clf,
random_state=0,n_estimators=1000)
for clf in (base_clf, ada_clf):
clf.fit(X_train, y_train)
print(clf.__class__.__name__,"训练集准确率：",
clf.score(X_train, y_train), sep="")
print(clf.__class__.__name__,"测试集准确率：",
clf.score(X_test, y_test), sep="")
print(clf.__class__.__name__,
"对测试集前2个样本预测的分类标签：\n",
clf.predict(X_test[:2]), sep="")
print(clf.__class__.__name__,
"对测试集前2个样本预测的分类概率：\n",
clf.predict_proba(X_test[:2]), sep="")
print("分类器中的标签排列：",clf.classes_)
# 概率预测转化为标签预测
print("根据预测概率推算预测标签：",end="")
for i in clf.predict_proba(X_test[:2]).argmax(axis=1):
print(clf.classes_[i], end=" ")
print()
print("测试集前2个样本的真实标签：",y_test[:2],sep="")