提升方法AdaBoost算法一些见解与Python实现

提升算法的理论参考《统计学习方法》,本文的部分代码参考《机器学习实战》实现的。《机器学习实战》这本书上的代码很多时候是跑不通的,而且某些算法关键部分来得莫名其妙,也没说明是怎么来的,为什么那么写。本人自己实现的代码关键部分是按照《统计学习方法》这本书的理论实现的,并且通俗易懂,完全对照算法的思路和公式就可看懂。好了,废话少说,直接开始吧!

简单训练数据

def load_simple_data():
    data_mat = matrix([[1.0, 2.1],
                       [2.0, 1.1],
                       [1.3, 1.0],
                       [1.0, 1.0],
                       [2.0, 1.0]])
    class_labels = [1.0, 1.0, -1.0, -1.0, 1.0]
    return data_mat,class_labels

根据阈值判断每个特征的输出值,其中ret_array初始化时不能全-1或全1,其他任何值都可以。但是《机器学习实战》ret_array初始化为全1,我也跑过这本书上的算法,很遗憾没有得到正确的输出。

def stump_classify(data_matrix, dimen, threshval, thresh_ineq):
    ret_array = zeros((shape(data_matrix)[0], 1))
    if(thresh_ineq == "lt"):
        ret_array[data_matrix[:, dimen] <= threshval] = -1.0
    else:
        ret_array[data_matrix[:, dimen] > threshval] = 1.0
    return ret_array

单层决策树的实现:lt_predicted_arr存储小于等于阈值的输出值,gt_predicted_arr存储大于阈值的输出值,最后再综合起来得到该阈值下的输出值,最后计算权重和,用字典保存相关信息。在这里《机器学习实战》和本人实现的方式很不一样,仔细看了这本书上不同的那部分实现方式,第一:不懂为什么那样写,第二:感觉书上的实现方式错的,得不到正确的输出。哪位大神能否解答我的疑惑?

def build_stump(data_arr, class_labels, D):
    data_matrix = mat(data_arr)
    label_mat = mat(class_labels).T
    m,n = shape(data_matrix)
    num_steps = 10.0
    best_stump = {}
    best_class_est = mat(zeros((m, 1)))
    min_error = inf

    for i in range(n):
        range_min = data_matrix[:, i].min()
        range_max = data_matrix[:, i].max()
        step_size = (range_max - range_min) * 1.0 / num_steps
        for j in range(-1, int(num_steps) + 1):
            thresh_val = (range_min + float(j) * step_size)
            lt_predicted_arr = zeros((m, 1))  #获得小于不等号的值
            gt_predicted_arr = zeros((m, 1))  #获得大于不等号的值
            predicted_arr = zeros((m, 1))     #最终的预测值
            for inequal in ["lt", "gt"]:
                predicted_vals = stump_classify(data_matrix, i, thresh_val, inequal)
                if(inequal == "lt"):
                    lt_predicted_arr = predicted_vals
                else:
                    gt_predicted_arr = predicted_vals
            for k in range(m):
                predicted_arr[k] = lt_predicted_arr[k]
                if(gt_predicted_arr[k] != 0):
                    predicted_arr[k] = gt_predicted_arr[k]
            err_arr = mat(ones((m, 1)))
            err_arr[predicted_arr == label_mat] = 0
            weight_error = D.T * err_arr
            print("min_error = %0.5f, split: dim %d, thresh %0.2f,\
            the weighted error is %0.3f" %\
                (min_error, i, thresh_val, weight_error))
            if(weight_error < min_error):
                min_error = weight_error
                best_class_est = predicted_arr.copy()
                best_stump["dim"] = i
                best_stump["thresh"] = thresh_val
                best_stump["class_est"] = best_class_est
    return best_stump,min_error,best_class_est

根据单层决策树得到一个弱分类器保存在列表中,根据得到的弱分类器输出的预测值和原始值修改权重,减小误差小的点的权重,增大误差大的点的权重。最后误差率等于0则停止迭代。

def adaboost_train_DS(data_arr, class_labels, num_it = 40):
    weak_class_arr = []
    m = shape(data_arr)[0]
    D = mat(ones((m, 1)) / m)
    agg_class_est = mat(zeros((m, 1)))
    counts = 0

    for i in range(num_it):
        best_stump,error,class_est = build_stump(data_arr, class_labels, D)
        print("D: ", D.T)
        alpha = float(0.5 * log((1.0 - error) / error))
        best_stump["alpha"] = alpha
        weak_class_arr.append(best_stump)
        print("class_est: ", class_est.T)
        expon = multiply(-1 * alpha * mat(class_labels).T, class_est)
        D = multiply(D, exp(expon))
        D = D / D.sum()
        agg_class_est += alpha * class_est  #预测值
        print("agg_class_est: ", agg_class_est.T)
        agg_errors = multiply(sign(agg_class_est) != mat(class_labels).T, ones((m, 1)))
        error_rate = agg_errors.sum() / m
        print("total error: ", error_rate)
        counts += 1
        if(error_rate == 0.0):
            break
    return weak_class_arr,counts

弱分类器:根据每一个弱分类器阈值,输出每个特征的输出值。

def Gx(data_matrix, reshval):
    m = shape(data_matrix)[0]
    result_data = mat(ones((m, 1)))
    result_data[data_matrix[:, 0] <= reshval] = -1.0
    result_data[data_matrix[:, 0] > reshval] = 1.0

    return result_data

根据输出数据,输出实际预测值。

def ada_classfiy(input_data, weak_class_arr, counts):
    data_matrix = mat(input_data)
    m,n = shape(data_matrix)  
    agg_class_est = mat(zeros((m, 1)))
    for j in range(n):
        for i in range(len(weak_class_arr)):
            agg_class_est += (weak_class_arr[i]["alpha"] * (Gx(input_data[:, j], weak_class_arr[i]["thresh"])).T).T
    print(agg_class_est)
    return sign(agg_class_est)

画出实验结果图函数

def experiment_plot(data_matrix, agg_class_est):
    data_arr_in = data_matrix.getA()
    label_arr_in = agg_class_est.getA()
    m,n = shape(data_matrix)

    for i in range(m):
        if(label_arr_in[i, 0] == -1):
            plt.plot(data_arr_in[i, 0], data_arr_in[i, 1], "ob")
        elif(label_arr_in[i, 0] == 1):
            plt.plot(data_arr_in[i, 0], data_arr_in[i, 1], "or")

    plt.xlabel("X")
    plt.ylabel("Y")
    plt.show()

主函数

def main():
    #D = mat(ones((5, 1)) / 5.0)
    data_mat,class_labels = load_simple_data()
    #build_stump(data_mat, class_labels, D)
    weak_class_arr,counts = adaboost_train_DS(data_mat, class_labels)
    print("**************************")
    data_mat2 = matrix([[1.2, 2.0],
                       [1.0, 1.0],
                       [0.6, 1.2],
                       [0.8, 1.1],
                       [1.8, 1.0],
                       [2.0, 0.4],
                       [1.7, 0.8],
                       [3.5, 0.2],
                       [2.5, 0.8],
                       [2.8, 0.9]])
    agg_class_est = ada_classfiy(data_mat2, weak_class_arr, counts)
    print("--------------------------")
    print(agg_class_est)
    experiment_plot(data_mat2, agg_class_est)

main()

实验结果:
本文的实验结果


4.PNG

《机器学习实战》这本书的结果


5.PNG

两者对比可知,结果是一样的,但是本文的实现方法是完全不同的。
完整代码如下:
from numpy import *
import numpy as np
import matplotlib.pyplot as plt

def load_simple_data():
    data_mat = matrix([[1.0, 2.1],
                       [2.0, 1.1],
                       [1.3, 1.0],
                       [1.0, 1.0],
                       [2.0, 1.0]])
    class_labels = [1.0, 1.0, -1.0, -1.0, 1.0]
    return data_mat,class_labels

def stump_classify(data_matrix, dimen, threshval, thresh_ineq):
    ret_array = zeros((shape(data_matrix)[0], 1))
    if(thresh_ineq == "lt"):
        ret_array[data_matrix[:, dimen] <= threshval] = -1.0
    else:
        ret_array[data_matrix[:, dimen] > threshval] = 1.0
    return ret_array

def build_stump(data_arr, class_labels, D):
    data_matrix = mat(data_arr)
    label_mat = mat(class_labels).T
    m,n = shape(data_matrix)
    num_steps = 10.0
    best_stump = {}
    best_class_est = mat(zeros((m, 1)))
    min_error = inf

    for i in range(n):
        range_min = data_matrix[:, i].min()
        range_max = data_matrix[:, i].max()
        step_size = (range_max - range_min) * 1.0 / num_steps
        for j in range(-1, int(num_steps) + 1):
            thresh_val = (range_min + float(j) * step_size)
            lt_predicted_arr = zeros((m, 1))  #获得小于不等号的值
            gt_predicted_arr = zeros((m, 1))  #获得大于不等号的值
            predicted_arr = zeros((m, 1))     #最终的预测值
            for inequal in ["lt", "gt"]:
                predicted_vals = stump_classify(data_matrix, i, thresh_val, inequal)
                if(inequal == "lt"):
                    lt_predicted_arr = predicted_vals
                else:
                    gt_predicted_arr = predicted_vals
            for k in range(m):
                predicted_arr[k] = lt_predicted_arr[k]
                if(gt_predicted_arr[k] != 0):
                    predicted_arr[k] = gt_predicted_arr[k]
            err_arr = mat(ones((m, 1)))
            err_arr[predicted_arr == label_mat] = 0
            weight_error = D.T * err_arr
            print("min_error = %0.5f, split: dim %d, thresh %0.2f,\
            the weighted error is %0.3f" %\
                (min_error, i, thresh_val, weight_error))
            if(weight_error < min_error):
                min_error = weight_error
                best_class_est = predicted_arr.copy()
                best_stump["dim"] = i
                best_stump["thresh"] = thresh_val
                best_stump["class_est"] = best_class_est
    return best_stump,min_error,best_class_est

def adaboost_train_DS(data_arr, class_labels, num_it = 40):
    weak_class_arr = []
    m = shape(data_arr)[0]
    D = mat(ones((m, 1)) / m)
    agg_class_est = mat(zeros((m, 1)))
    counts = 0

    for i in range(num_it):
        best_stump,error,class_est = build_stump(data_arr, class_labels, D)
        print("D: ", D.T)
        alpha = float(0.5 * log((1.0 - error) / error))
        best_stump["alpha"] = alpha
        weak_class_arr.append(best_stump)
        print("class_est: ", class_est.T)
        expon = multiply(-1 * alpha * mat(class_labels).T, class_est)
        D = multiply(D, exp(expon))
        D = D / D.sum()
        agg_class_est += alpha * class_est  #预测值
        print("agg_class_est: ", agg_class_est.T)
        agg_errors = multiply(sign(agg_class_est) != mat(class_labels).T, ones((m, 1)))
        error_rate = agg_errors.sum() / m
        print("total error: ", error_rate)
        counts += 1
        if(error_rate == 0.0):
            break
    return weak_class_arr,counts

def Gx(data_matrix, reshval):
    m = shape(data_matrix)[0]
    result_data = mat(ones((m, 1)))
    result_data[data_matrix[:, 0] <= reshval] = -1.0
    result_data[data_matrix[:, 0] > reshval] = 1.0

    return result_data


def ada_classfiy(input_data, weak_class_arr, counts):
    data_matrix = mat(input_data)
    m,n = shape(data_matrix)  
    agg_class_est = mat(zeros((m, 1)))
    for j in range(n):
        for i in range(len(weak_class_arr)):
            agg_class_est += (weak_class_arr[i]["alpha"] * (Gx(input_data[:, j], weak_class_arr[i]["thresh"])).T).T
    print(agg_class_est)
    return sign(agg_class_est)

def experiment_plot(data_matrix, agg_class_est):
    data_arr_in = data_matrix.getA()
    label_arr_in = agg_class_est.getA()
    m,n = shape(data_matrix)

    for i in range(m):
        if(label_arr_in[i, 0] == -1):
            plt.plot(data_arr_in[i, 0], data_arr_in[i, 1], "ob")
        elif(label_arr_in[i, 0] == 1):
            plt.plot(data_arr_in[i, 0], data_arr_in[i, 1], "or")

    plt.xlabel("X")
    plt.ylabel("Y")
    plt.show()


def main():
    #D = mat(ones((5, 1)) / 5.0)
    data_mat,class_labels = load_simple_data()
    #build_stump(data_mat, class_labels, D)
    weak_class_arr,counts = adaboost_train_DS(data_mat, class_labels)
    print("**************************")
    data_mat2 = matrix([[1.2, 2.0],
                       [1.0, 1.0],
                       [0.6, 1.2],
                       [0.8, 1.1],
                       [1.8, 1.0],
                       [2.0, 0.4],
                       [1.7, 0.8],
                       [3.5, 0.2],
                       [2.5, 0.8],
                       [2.8, 0.9]])
    agg_class_est = ada_classfiy(data_mat2, weak_class_arr, counts)
    print("--------------------------")
    print(agg_class_est)
    experiment_plot(data_mat2, agg_class_est)

main()

总结:在学习机器学习算法的过程中,先自己分析理论,看懂书上的代码为什么那么写,一步一步对照算法的思路理解代码。如果遇到无法运行的代码,自己根据算法的思路和理论修改代码,调试。有时间的话,可以自己把算法实现一遍。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 215,723评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,003评论 3 391
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 161,512评论 0 351
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,825评论 1 290
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,874评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,841评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,812评论 3 416
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,582评论 0 271
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,033评论 1 308
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,309评论 2 331
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,450评论 1 345
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,158评论 5 341
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,789评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,409评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,609评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,440评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,357评论 2 352

推荐阅读更多精彩内容