AdaBoost

Machine Learning dengan Model Berbasis Pohon di Python

Elie Kawerk

Data Scientist

Boosting

  • Boosting: Metode ensemble yang menggabungkan beberapa weak learner menjadi strong learner.

  • Weak learner: Model yang sedikit lebih baik dari tebak acak.

  • Contoh weak learner: Decision stump (CART dengan kedalaman maks 1).

Machine Learning dengan Model Berbasis Pohon di Python

Boosting

  • Latih sekumpulan prediktor secara berurutan.

  • Tiap prediktor mengoreksi pendahulunya.

  • Metode boosting paling populer:

    • AdaBoost,

    • Gradient Boosting.

Machine Learning dengan Model Berbasis Pohon di Python

Adaboost

  • Singkatan dari Adaptive Boosting.

  • Tiap prediktor lebih menekankan pada instance yang salah diprediksi oleh pendahulunya.

  • Dilakukan dengan mengubah bobot instance pelatihan.

  • Tiap prediktor diberi koefisien $\alpha$.

  • $\alpha$ bergantung pada error pelatihan prediktor.

Machine Learning dengan Model Berbasis Pohon di Python

AdaBoost: Pelatihan

ada-train

Machine Learning dengan Model Berbasis Pohon di Python

Learning Rate

Learning rate: $0 < \eta \leq 1$ ada-lr

Machine Learning dengan Model Berbasis Pohon di Python

AdaBoost: Prediksi

  • Klasifikasi:

    • Voting mayoritas berbobot.
    • Di sklearn: AdaBoostClassifier.

  • Regresi:

    • Rata-rata berbobot.
    • Di sklearn: AdaBoostRegressor.
Machine Learning dengan Model Berbasis Pohon di Python

Klasifikasi AdaBoost di sklearn (dataset Kanker Payudara)

# 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 dengan Model Berbasis Pohon di 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 dengan Model Berbasis Pohon di Python

Klasifikasi AdaBoost di sklearn (dataset Kanker Payudara)

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

ROC AUC score: 0.99
Machine Learning dengan Model Berbasis Pohon di Python

Ayo berlatih!

Machine Learning dengan Model Berbasis Pohon di Python

Preparing Video For Download...