AdaBoost

Maskininlärning med trädbaserade modeller i Python

Elie Kawerk

Data Scientist

Boosting

  • Boosting: Ensemblemetod som kombinerar flera svaga inlärare till en stark inlärare.

  • Svag inlärare: Modell som presterar något bättre än slumpmässig gissning.

  • Exempel på svag inlärare: Decision stump (CART med maximalt djup 1).

Maskininlärning med trädbaserade modeller i Python

Boosting

  • Träna ett ensemble av prediktorer sekventiellt.

  • Varje prediktor försöker korrigera sin föregångare.

  • Mest populära boostingmetoder:

    • AdaBoost,

    • Gradient Boosting.

Maskininlärning med trädbaserade modeller i Python

Adaboost

  • Står för Adaptive Boosting.

  • Varje prediktor lägger mer fokus på instanser som dess föregångare förutsåg fel.

  • Uppnås genom att ändra vikterna för träningsinstanserna.

  • Varje prediktor tilldelas en koefficient $\alpha$.

  • $\alpha$ beror på prediktorns träningsfel.

Maskininlärning med trädbaserade modeller i Python

AdaBoost: Träning

ada-träning

Maskininlärning med trädbaserade modeller i Python

Inlärningshastighet

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

Maskininlärning med trädbaserade modeller i Python

AdaBoost: Prediktion

  • Klassificering:

    • Viktad majoritetsröstning.
    • I sklearn: AdaBoostClassifier.

  • Regression:

    • Viktat medelvärde.
    • I sklearn: AdaBoostRegressor.
Maskininlärning med trädbaserade modeller i Python

AdaBoost-klassificering i sklearn (Breast Cancer-datasetet)

# 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)
Maskininlärning med trädbaserade modeller i 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)
Maskininlärning med trädbaserade modeller i Python

AdaBoost-klassificering i sklearn (Breast Cancer-datasetet)

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

ROC AUC score: 0.99
Maskininlärning med trädbaserade modeller i Python

Nu kör vi en övning!

Maskininlärning med trädbaserade modeller i Python

Preparing Video For Download...