AdaBoost

Machine Learning cu modele bazate pe arbori în Python

Elie Kawerk

Data Scientist

Boosting

  • Boosting: Metodă de ansamblu care combină mai mulți predictori slabi pentru a forma unul puternic.

  • Predictor slab: Model care performează puțin mai bine decât ghicitul aleatoriu.

  • Exemplu de predictor slab: Ciot de decizie (CART cu adâncime maximă 1).

Machine Learning cu modele bazate pe arbori în Python

Boosting

  • Predictori antrenați secvențial.

  • Fiecare predictor corectează erorile celui anterior.

  • Cele mai populare metode de boosting:

    • AdaBoost,

    • Gradient Boosting.

Machine Learning cu modele bazate pe arbori în Python

Adaboost

  • Prescurtare de la Adaptive Boosting.

  • Fiecare predictor acordă mai multă atenție instanțelor greșit clasificate de predecesorul său.

  • Realizat prin modificarea ponderilor instanțelor de antrenament.

  • Fiecărui predictor i se atribuie un coeficient $\alpha$.

  • $\alpha$ depinde de eroarea de antrenament a predictorului.

Machine Learning cu modele bazate pe arbori în Python

AdaBoost: Antrenament

antrenare ada

Machine Learning cu modele bazate pe arbori în Python

Rata de Învățare

Rată de învățare: $0 < \eta \leq 1$ rată de învățare ada

Machine Learning cu modele bazate pe arbori în Python

AdaBoost: Predicție

  • Clasificare:

    • Vot majoritar ponderat.
    • În sklearn: AdaBoostClassifier.

  • Regresie:

    • Medie ponderată.
    • În sklearn: AdaBoostRegressor.
Machine Learning cu modele bazate pe arbori în Python

Clasificare AdaBoost în sklearn (setul de date 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 cu modele bazate pe arbori în 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 cu modele bazate pe arbori în Python

Clasificare AdaBoost în sklearn (setul de date 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 cu modele bazate pe arbori în Python

Să exersăm!

Machine Learning cu modele bazate pe arbori în Python

Preparing Video For Download...