Boosting算法是一种把若干个分类器整合为一个分类器的方法,在boosting算法产生以前,还出现过两种比较重要的将多个分类器整合为一个分类器的方法,即boostrapping方法和bagging方法。咱们先简要介绍一下bootstrapping方法和bagging方法。git
1)bootstrapping方法的主要过程算法
主要步骤:bootstrap
i)重复地从一个样本集合D中采样n个样本api
ii)针对每次采样的子样本集,进行统计学习,得到假设Hiapp
iii)将若干个假设进行组合,造成最终的假设Hfinal框架
iv)将最终的假设用于具体的分类任务ide
2)bagging方法的主要过程性能
主要思路:学习
i)训练分类器测试
从总体样本集合中,抽样n* < N个样本 针对抽样的集合训练分类器Ci
ii)分类器进行投票,最终的结果是分类器投票的优胜结果
可是,上述这两种方法,都只是将分类器进行简单的组合,实际上,并无发挥出分类器组合的威力来。直到1989年,Yoav Freund与 Robert Schapire提出了一种可行的将弱分类器组合为强分类器的方法。并由此而得到了2003年的哥德尔奖(Godel price)。
Schapire还提出了一种早期的boosting算法,其主要过程以下:
i)从样本总体集合D中,不放回的随机抽样n1 < n 个样本,获得集合 D1
训练弱分类器C1
ii)从样本总体集合D中,抽取 n2 < n 个样本,其中合并进一半被 C1 分类错误的样本。获得样本集合 D2
训练弱分类器C2
iii)抽取D样本集合中,C1 和 C2 分类不一致样本,组成D3
训练弱分类器C3
iv)用三个分类器作投票,获得最后分类结果
到了1995年,Freund and schapire提出了如今的adaboost算法,其主要框架能够描述为:
i)循环迭代屡次
更新样本分布
寻找当前分布下的最优弱分类器
计算弱分类器偏差率
ii)聚合屡次训练的弱分类器
在下图中能够看到完整的adaboost算法:
图1.1 adaboost算法过程
如今,boost算法有了很大的发展,出现了不少的其余boost算法,例如:logitboost算法,gentleboost算法等等。在此次报告中,咱们将着重介绍adaboost算法的过程和特性。
从图1.1中,咱们能够看到adaboost的一个详细的算法过程。Adaboost是一种比较有特色的算法,能够总结以下:
1)每次迭代改变的是样本的分布,而不是重复采样(re weight)
2)样本分布的改变取决于样本是否被正确分类
老是分类正确的样本权值低
老是分类错误的样本权值高(一般是边界附近的样本)
3)最终的结果是弱分类器的加权组合
权值表示该弱分类器的性能
简单来讲,Adaboost有不少优势:
1)adaboost是一种有很高精度的分类器
2)可使用各类方法构建子分类器,adaboost算法提供的是框架
3)当使用简单分类器时,计算出的结果是能够理解的。并且弱分类器构造极其简单
4)简单,不用作特征筛选
5)不用担忧overfitting!
总之:adaboost是简单,有效。
下面咱们举一个简单的例子来看看adaboost的实现过程:
图中,“+”和“-”分别表示两种类别,在这个过程当中,咱们使用水平或者垂直的直线做为分类器,来进行分类。
第一步:
根据分类的正确率,获得一个新的样本分布D2,一个子分类器h1
其中划圈的样本表示被分错的。在右边的途中,比较大的“+”表示对该样本作了加权。
第二步:
根据分类的正确率,获得一个新的样本分布D3,一个子分类器h2
第三步:
获得一个子分类器h3
整合全部子分类器:
所以能够获得整合的结果,从结果中看,及时简单的分类器,组合起来也能得到很好的分类效果,在例子中全部的。
Adaboost算法的某些特性是很是好的,在咱们的报告中,主要介绍adaboost的两个特性。一是训练的错误率上界,随着迭代次数的增长,会逐渐降低;二是adaboost算法即便训练次数不少,也不会出现过拟合的问题。
下面主要经过证实过程和图表来描述这两个特性:
1)错误率上界降低的特性
从而能够看出,随着迭代次数的增长,实际上错误率上界在降低。
2)不会出现过拟合现象
一般,过拟合现象指的是下图描述的这种现象,即随着模型训练偏差的降低,实际上,模型的泛化偏差(测试偏差)在上升。横轴表示迭代的次数,纵轴表示训练偏差的值。
而实际上,并无观察到adaboost算法出现这样的状况,即当训练偏差小到必定程度之后,继续训练,返回偏差仍然不会增长。
对这种现象的解释,要借助margin的概念,其中margin表示以下:
经过引入margin的概念,咱们能够观察到下图所出现的现象:
从图上左边的子图能够看到,随着训练次数的增长,test的偏差率并无升高,同时对应着右边的子图能够看到,随着训练次数的增长,margin一直在增长。这就是说,在训练偏差降低到必定程度之后,更多的训练,会增长分类器的分类margin,这个过程也可以防止测试偏差的上升。
在平常任务中,咱们一般须要去解决多分类的问题。而前面的介绍中,adaboost算法只能适用于二分类的状况。所以,在这一小节中,咱们着重介绍如何将adaboost算法调整到适合处理多分类任务的方法。
目前有三种比较经常使用的将二分类adaboost方法。
一、adaboost M1方法
主要思路: adaboost组合的若干个弱分类器自己就是多分类的分类器。
在训练的时候,样本权重空间的计算方法,仍然为:
在解码的时候,选择一个最有可能的分类
二、adaboost MH方法
主要思路: 组合的弱分类器仍然是二分类的分类器,将分类label和分类样例组合,生成N个样本,在这个新的样本空间上训练分类器。
能够用下图来表示其原理:
三、对多分类输出进行二进制编码
主要思路:对N个label进行二进制编码,例如用m位二进制数表示一个label。而后训练m个二分类分类器,在解码时生成m位的二进制数。从而对应到一个label上。
最后,咱们能够总结下adaboost算法的一些实际可使用的场景:
1)用于二分类或多分类的应用场景
2)用于作分类任务的baseline
无脑化,简单,不会overfitting,不用调分类器
3)用于特征选择(feature selection)
4)Boosting框架用于对badcase的修正
只须要增长新的分类器,不须要变更原有分类器
因为adaboost算法是一种实现简单,应用也很简单的算法。Adaboost算法经过组合弱分类器而获得强分类器,同时具备分类错误率上界随着训练增长而稳定降低,不会过拟合等的性质,应该说是一种很适合于在各类分类场景下应用的算法。
by sep yangfan