AdaBoost

Uczenie maszynowe z modelami drzewiastymi w Pythonie

Elie Kawerk

Data Scientist

Boosting

Boosting: metoda ensemble łącząca słabe modele w silny model.
Słaby model: Model działający nieznacznie lepiej niż losowe zgadywanie.
Przykład słabego modelu: pień decyzyjny (CART o maksymalnej głębokości 1).

Boosting

Modele uczą się sekwencyjnie w ramach zespołu.
Każdy model koryguje błędy poprzednika.
Najpopularniejsze metody boostingu:
- AdaBoost,
- Gradient Boosting.

Adaboost

Skrót od Adaptive Boosting.
Każdy model skupia się bardziej na instancjach błędnie sklasyfikowanych przez poprzednika.
Osiągane przez zmianę wag instancji treningowych.
Każdemu modelowi przypisywany jest współczynnik $\alpha$.
$\alpha$ zależy od błędu treningowego modelu.

AdaBoost: trening

Trening AdaBoost

Współczynnik uczenia

Współczynnik uczenia: $0 < \eta \leq 1$ Współczynnik uczenia AdaBoost

AdaBoost: predykcja

Klasyfikacja:
- Ważone głosowanie większościowe.
- W sklearn: AdaBoostClassifier.
Regresja:
- Ważona średnia.
- W sklearn: AdaBoostRegressor.

Klasyfikacja AdaBoost w sklearn (zbiór danych 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)

# 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)

Klasyfikacja AdaBoost w sklearn (zbiór danych Breast Cancer)

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

ROC AUC score: 0.99

Czas na ćwiczenia!

Uczenie maszynowe z modelami drzewiastymi w Pythonie