ADABOOST ALGORITMS | DATU ZINĀTNE | MAŠĪNMĀCĪBA

AdaBoost Algorithm ir veicināšanas metode, kas darbojas, apvienojot vājus audzēkņus spēcīgos audzēkņos. Labs veids, kā prognozēšanas modelim labot savu priekšgājēju, ir pievērst lielāku uzmanību apmācības paraugiem, kur priekštecis nebija piemērots. Tā rezultātā var izveidoties jauns prognozēšanas modelis, kurā galvenā uzmanība tiks pievērsta sarežģītajiem gadījumiem. Šo paņēmienu izmanto AdaBoost algoritms. Šajā rakstā es jūs iepazīstināšu ar AdaBoost algoritmu mašīnmācībā.

e-hentai lietotne

Bāzes klasifikatora apmācība

Lai izmantotu AdaBoost klasifikācijas algoritmu, mums vispirms ir jāapmāca pamata klasifikācijas modelis. Tātad, lai izskaidrotu šo algoritmu, es vispirms apmācīšu Lēmumu koka algoritmu kā mūsu pamata klasifikācijas modeli. Sākšu ar nepieciešamo pakotņu importēšanu, lai apmācītu DecisionTreeClassifier:

|_+_|

Tagad es izmantošu Lēmumu koka algoritmu, lai apmācītu bāzes klasifikāciju:

|_+_|

AdaBoost algoritms mašīnmācībā

AdaBoost algoritms palielina mazāk klasificētu treniņu paraugu relatīvo svaru. Pēc tam tas apmāca citu klasifikācijas modeli, izmantojot jaunos klasificēto treniņu paraugu atjaunināšanas svarus un atkal prognozē treniņu komplektā. Apskatīsim, kā mēs varam ieviest šo algoritmu:

|_+_|

AdaBoostClassifier(algoritm='SAMME.R',
base_estimator=DecisionTreeClassifier(ccp_alpha=0,0,
class_weight=Nav,
kritērijs='gini',
max_depth=1,
max_features=Nav,
max_leaf_nodes=Nav,
min_impurity_decrease=0,0,
min_impurity_split=Nav,
min_samples_leaf=1,
min_samples_split=2,
min_weight_fraction_leaf=0,0,
presort='novecojis',
random_state=Nav,
sadalītājs = 'labākais'),
mācīšanās_rate=0,5, n_vērtētāji=200, nejaušības_stāvoklis=42)

|_+_|

thecleverprogrammer.com