机器学习实战-AdaBoost( 四 ) _生活百科

3.3.3计算误差y3_ = model[2].predict(X)#根据求出来的v得到预测的结果error3=((y != y3_)*w3).sum()error3

文章插图
3.3.4计算第三个弱学习器权重alpha_3=1/2*np.log((1-error3)/error3)alpha_3

文章插图
3.3.5跟新权重

#上一次权重的基础上进行更新#y表示真是的目标值#ht(X)表示当前若学习器预测的结果w4= w3*np.exp(-y*y3_*alpha_3)w4=w4/w4.sum()#权重的归一化操作，和正好是1display(w3,w4)display(y,y3_)

文章插图
3.4弱学习器的聚合

print("每一个弱分类器的预测结果：")display(y1_,y2_,y3_)#F 表示聚合各个弱学习器的评分F=alpha_1*y1_ + alpha_2*y2_ + alpha_3*y3_#将多个弱分类器，整合，变成了强分类器F(X)print("强分类器合并结果：\n",F)#根据得到的最终的F,如果i大于0就是1，否则就是-1，就像把最终的结果放进符号函数中print("强分类器最终结果如下：\n",np.array([1 if i > 0 else -1 for i in F]))print("算法预测结果为：\n",model.predict(X))