python实现AdaBoost【分类】

糖逗

参考书籍：《机器学习实战》

1. import numpy as np
   
2. 
   
3. def loadSimpData():
   
4.     datMat = np.matrix([[1, 2.1], [2, 1.1], [1.3, 1], [1, 1], [2, 1]])
   
5.     classLabels = [1, 1, -1, -1, 1]
   
6.     return datMat, classLabels
   
7. 
   
8. def stumpClassify(dataMatrix, dimen, threshVal, threshIneq):
   
9.     retArray = np.ones((np.shape(dataMatrix)[0], 1))
   
10.     if threshIneq == "It":
    
11.         retArray[dataMatrix[:, dimen] <= threshVal] = -1
    
12.     else:
    
13.         retArray[dataMatrix[:, dimen] > threshVal] = -1
    
14.     return retArray
    
15. 
    
16. def buildStump(dataArr, classLabels, D):#D是定义的权重向量
    
17.     dataMatrix = np.mat(dataArr)
    
18.     labelMat = np.mat(classLabels).T
    
19.     m, n = np.shape(dataMatrix)
    
20.     numSteps = 10
    
21.     bestStump = {}
    
22.     bestClassEst = np.mat(np.zeros((m, 1)))
    
23.     minError = np.inf
    
24.     for i in range(n):#特征循环
    
25.         rangeMin = dataMatrix[:, i].min()#特征中的最小
    
26.         rangeMax = dataMatrix[:, i].max()
    
27.         stepSize = (rangeMax - rangeMin) / numSteps
    
28.         for j in range(-1, int(numSteps) + 1):#特征中按照跨度选取的每个连续特征的值（未来找特征最好切割点）
    
29.             for inequal in ['It', 'gt']:
    
30.                 threshVal = (rangeMin + float(j) * stepSize)
    
31.                 predictedVals = stumpClassify(dataMatrix, i, threshVal, inequal)
    
32.                 errArr = np.mat(np.ones((m, 1)))
    
33.                 errArr[predictedVals == labelMat] = 0
    
34.                 weightedError = D.T * errArr
    
35.                 if weightedError < minError:
    
36.                     minError = weightedError
    
37.                     bestClassEst = predictedVals.copy()
    
38.                     bestStump["dim"] = i
    
39.                     bestStump["thresh"] = threshVal
    
40.                     bestStump["ineq"] = inequal
    
41.     return bestStump, minError, bestClassEst
    
42. 
    
43. def adaBoostTrainDS(dataArr, classLabels, numIt = 40):
    
44.     weakClassArr = []
    
45.     m = np.shape(dataArr)[0]
    
46.     D = np.mat(np.ones((m, 1)) / m)#每个样本的初始化权重是相同的
    
47.     aggClassEst = np.mat(np.zeros((m, 1)))
    
48.     for i in range(numIt):
    
49.         bestStump, error, classEst = buildStump(dataArr, classLabels, D)
    
50.         print("D:", D.T)
    
51.         alpha = float(0.5 * np.log((1 - error) / max(error, 1e-16)))#更新每个分类器的权重alpha
    
52.         bestStump['alpha'] = alpha#记录每个分类器的alpha值（这个分类器是指针对当前数据集最好的特征划分）
    
53.         weakClassArr.append(bestStump)
    
54.         print("classEst:", classEst.T)
    
55.         #np.mat和np.matrix的区别
    
56.         #https://blog.csdn.net/qq_43212169/article/details/101679293
    
57.         expon = np.multiply(-1 * alpha * np.mat(classLabels).T, classEst)
    
58.         D = np.multiply(D, np.exp(expon))
    
59.         D = D / D.sum()
    
60.         aggClassEst += alpha * classEst#记录每个数据点的类别估计累计值
    
61.         print("aggClassEst:", aggClassEst.T)
    
62.         arrErrors = np.multiply(np.sign(aggClassEst) != np.mat(classLabels).T,
    
63.                                 np.ones((m, 1)))
    
64.         errorRate = arrErrors.sum() / m
    
65.         print("total error:", errorRate, "\n")
    
66.         if errorRate == 0:
    
67.             break
    
68.     return weakClassArr
    
69. 
    
70. 
    
71. #利用多个弱分类器做最终的分类
    
72. def adaClassify(dataToClass, classifierArr):
    
73.     dataMatrix = np.mat(dataToClass)
    
74.     m = np.shape(dataMatrix)[0]
    
75.     aggClassEst = np.mat(np.zeros((m, 1)))
    
76.     for i in range(len(classifierArr)):
    
77.         classEst = stumpClassify(dataMatrix, classifierArr[i]["dim"],
    
78.                                  classifierArr[i]["thresh"],
    
79.                                  classifierArr[i]["ineq"])
    
80.         aggClassEst += classifierArr[i]["alpha"] * classEst
    
81.         print(aggClassEst)
    
82.     return np.sign(aggClassEst)
    
83.    
    
84. datMat, classLabels = loadSimpData()
    
85. classifierArray = adaBoostTrainDS(datMat, classLabels)
    
86. adaClassify([0, 0],classifierArray)#返回[0,0]特征向量的预测值

复制代码

糖逗