1 主要思想

• 将原始数据分成几个组
• 训练一组分类器，里面有很多种弱分类器
• 每个分类器的标签看作一次投票，投票最多的标签为最终标签

其架构如下所示：

2 为什么集成方法可行

假设这里有25个训练的弱分类器，且这些分类器独立工作，不会相互影响。

每一个分类器的出错率

集成分类器的最终做出一个错误预测的概率（超过一半的基础分类器都预测错了）为：

其中：X为做出错误预测的弱分类器的数量

由此可见，集成分类器做出一个错误预测的概率比弱分类器低很多。

下图显示了，弱分类器（有的文档也称base classifier）的错误率（做出错误预测的概率）与集成分类器(ensemble classifier)的错误率之间的关系

由上图可见，当弱分类器的错误率低于0.5时，集成分类器才有效。

集成分类器主要分为两种，一种处理数据的分布，例如bagging，boosting;

另一种处理输入特征，例如 random forests

 

3 Bagging Algorithm

3.1 Pseudo code

• 放回抽样（sampling with replacement）

3.2 实例

已知一维原始数据集：

弱分类器是一个单层决策树（desicion stump）

抽样，分类

统计各标签的得票数（正票数+负票数）：

上图中最后一行为预估类（或标签）

 

4 AdaBoosting Algorithm

4.1 Boosting

在bagging中，每一轮sampling，数据被取得概率都是一样的，而Boosting更加关注哪些被误分类的数据。

在Boosting算法中，首先，在第一轮Boosting中，所有的数据都被分配相同的权重（被抽取的概率），

在以后的几轮抽取中，被抽取的权重发生变化，错误分类的数据的被抽取的权重将会提升，

而正确分类的数据被抽取的权重将会降低。

4.2 AdaBoosting 

4.2.1 Pseudo code

首先初始化权重w=1/n 并训练弱分类器：C1, C2, …, CT

其次，计算错误率：

计算一个分类器的重要性：

更新权重：

 使所有  之和为1.

如果错误率高于0.5，所有权重再次被分配为1/n

分类公式：

4.2.2 实例

3.2中的一维原始数据集：

基本分类器任然是一个单层决策树（desicion stump）

训练数据过程：

总结：

计算权重：

分类：

预测分类的计算：