Boosting 入門

R 的樹狀模型機器學習

Sandro Raabe

Data Scientist

單一分類器

Bagging 或隨機森林

boosting 1

boosting 2

boosting 3

boosting 4

Adaboost

第一個著名的 boosting 演算法：Adaboost = Adaptive Boosting（自適性增強）
概念：在後續訓練中，調整被錯誤分類之訓練樣本的權重

Adaboost 視覺化 1

Adaboost

第一個著名的 boosting 演算法：Adaboost = Adaptive Boosting（自適性增強）
概念：在後續訓練中，調整被錯誤分類之訓練樣本的權重

Adaboost 視覺化 2

Adaboost

第一個著名的 boosting 演算法：Adaboost = Adaptive Boosting（自適性增強）
概念：在後續訓練中，調整被錯誤分類之訓練樣本的權重

Adaboost 視覺化 3

Adaboost

第一個著名的 boosting 演算法：Adaboost = Adaptive Boosting（自適性增強）
概念：在後續訓練中，調整被錯誤分類之訓練樣本的權重

Adaboost 視覺化 4

之後以 gradient descent 改良

程式碼：指定一個提升式集成

# Specify the model class
boost_tree() %>%

    # Set the mode
    set_mode("classification") %>%

    # Set the engine
    set_engine("xgboost")

Boosted Tree Model Specification (classification)

Computational engine: xgboost

透過 tidymodels 輕鬆使用 boosting！

開始 Boost 吧！

R 的樹狀模型機器學習

Preparing Video For Download...