AdaBoost

Machine Learning met boomgebaseerde modellen in Python

Elie Kawerk

Data Scientist

Boosting

  • Boosting: Ensemblemethode die meerdere zwakke leerders combineert tot één sterke.

  • Zwakke learner: Model dat net beter scoort dan gokken.

  • Voorbeeld van zwakke learner: Decision stump (CART met maximale diepte 1).

Machine Learning met boomgebaseerde modellen in Python

Boosting

  • Train een ensemble van predictoren sequentieel.

  • Elke predictor corrigeert zijn voorganger.

  • Populairste boosting-methoden:

    • AdaBoost,

    • Gradient Boosting.

Machine Learning met boomgebaseerde modellen in Python

Adaboost

  • Staat voor Adaptive Boosting.

  • Elke predictor let meer op instanties die zijn voorganger fout had.

  • Dit doe je door gewichten van trainingsinstanties aan te passen.

  • Elke predictor krijgt een coëfficiënt $\alpha$.

  • $\alpha$ hangt af van de trainingfout.

Machine Learning met boomgebaseerde modellen in Python

AdaBoost: training

ada-train

Machine Learning met boomgebaseerde modellen in Python

Leersnelheid

Leersnelheid: $0 < \eta \leq 1$ ada-lr

Machine Learning met boomgebaseerde modellen in Python

AdaBoost: voorspelling

  • Classificatie:

    • Gewogen meerderheidsstemming.
    • In sklearn: AdaBoostClassifier.

  • Regressie:

    • Gewogen gemiddelde.
    • In sklearn: AdaBoostRegressor.
Machine Learning met boomgebaseerde modellen in Python

AdaBoost-classificatie in sklearn (Borstkanker-dataset)

# 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 met boomgebaseerde modellen in 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 met boomgebaseerde modellen in Python

AdaBoost-classificatie in sklearn (Borstkanker-dataset)

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

ROC AUC score: 0.99
Machine Learning met boomgebaseerde modellen in Python

Laten we oefenen!

Machine Learning met boomgebaseerde modellen in Python

Preparing Video For Download...