AdaBoost

Machine learning con modelos basados en árboles en Python

Elie Kawerk

Data Scientist

Boosting

  • Boosting: Método de conjunto que combina varios aprendices débiles para formar uno fuerte.

  • Aprendiz débil: Modelo que rinde un poco mejor que el azar.

  • Ejemplo de aprendiz débil: Tocón de decisión (CART con profundidad máxima 1).

Machine learning con modelos basados en árboles en Python

Boosting

  • Entrena un conjunto de predictores secuencialmente.

  • Cada predictor corrige a su predecesor.

  • Métodos de boosting más populares:

    • AdaBoost,

    • Gradient Boosting.

Machine learning con modelos basados en árboles en Python

Adaboost

  • Significa Adaptive Boosting.

  • Cada predictor presta más atención a las instancias mal predichas por su predecesor.

  • Se logra cambiando los pesos de las instancias de entrenamiento.

  • A cada predictor se le asigna un coeficiente $\alpha$.

  • $\alpha$ depende del error de entrenamiento del predictor.

Machine learning con modelos basados en árboles en Python

AdaBoost: Entrenamiento

ada-train

Machine learning con modelos basados en árboles en Python

Tasa de aprendizaje

Tasa de aprendizaje: $0 < \eta \leq 1$ ada-lr

Machine learning con modelos basados en árboles en Python

AdaBoost: Predicción

  • Clasificación:

    • Votación mayoritaria ponderada.
    • En sklearn: AdaBoostClassifier.

  • Regresión:

    • Media ponderada.
    • En sklearn: AdaBoostRegressor.
Machine learning con modelos basados en árboles en Python

Clasificación con AdaBoost en sklearn (Breast Cancer)

# Import models and utility functions
from sklearn.ensemble import AdaBoostClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import roc_auc_score
from sklearn.model_selection import train_test_split

# Set seed for reproducibility
SEED = 1

# Split data into 70% train and 30% test
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3,
                                                    stratify=y,
                                                    random_state=SEED)
Machine learning con modelos basados en árboles en Python
# Instantiate a classification-tree 'dt'
dt = DecisionTreeClassifier(max_depth=1, random_state=SEED)


# Instantiate an AdaBoost classifier 'adab_clf'
adb_clf = AdaBoostClassifier(base_estimator=dt, n_estimators=100)



# Fit 'adb_clf' to the training set
adb_clf.fit(X_train, y_train)

# Predict the test set probabilities of positive class
y_pred_proba = adb_clf.predict_proba(X_test)[:,1]



# Evaluate test-set roc_auc_score
adb_clf_roc_auc_score = roc_auc_score(y_test, y_pred_proba)
Machine learning con modelos basados en árboles en Python

Clasificación con AdaBoost en sklearn (Breast Cancer)

# Print adb_clf_roc_auc_score
print('ROC AUC score: {:.2f}'.format(adb_clf_roc_auc_score)) 

ROC AUC score: 0.99
Machine learning con modelos basados en árboles en Python

¡Vamos a practicar!

Machine learning con modelos basados en árboles en Python

Preparing Video For Download...