如何掌握python中的AdaBoost算法？

如果说最像瞎子摸象的算法是不存在的，因为算法里面的大部分内容你都看不懂，重要的是它结合了很多内容在里面，并且最终目标是将它结合起来。强大的使用方法，这就是我今天要教你的


AdaBoost算法不仅是一个简单的算法，而且是一个非常有效的集成学习算法应用。快来一探究竟吧~

Python





实现

AdaBoost算法

计算弱分类器误差

 pred_train = models[m].predict(x_train)
 miss = [int(x) for x in (pred_train != y_train)]
 error = np.dot(w, miss)

计算弱分类器的权重

 theta[m] = 0.5 * np.log((1-error)/error)

更新数据权重

 for i in n_train:
 w[i] = w[i]*np.exp(-theta[m]*y_train[i]*pred_train[i])

正规化权重

 for i in n_train:
 w[i] /= np.sum(w[i])

最终的预测

predict = np.dot(theta, [model[m].predict(x_test) for m in range(M)])

直接给大家简单粗暴了演示在

Python实现AdaBoost算法的一些代码示例，大家看下有没有自己或者之前想要找寻的呢？有的话，就多看两遍学习，加深印象哦~