在集成學習之Adaboost算法原理小結(jié)中，我們對Adaboost的算法原理做了一個總結(jié)。這里我們就從實用的角度對scikit-learn中Adaboost類庫的使用做一個小結(jié)，重點對調(diào)參的注意事項做一個總結(jié)。
1. Adaboost類庫概述
scikit-learn中Adaboost類庫比較直接，就是AdaBoostClassifier和AdaBoostRegressor兩個，從名字就可以看出AdaBoostClassifier用于分類，AdaBoostRegressor用于回歸。
AdaBoostClassifier使用了兩種Adaboost分類算法的實現(xiàn)，SAMME和SAMME.R。而AdaBoostRegressor則使用了我們原理篇里講到的Adaboost回歸算法的實現(xiàn)，即Adaboost.R2。
當我們對Adaboost調(diào)參時，主要要對兩部分內(nèi)容進行調(diào)參，第一部分是對我們的Adaboost的框架進行調(diào)參， 第二部分是對我們選擇的弱分類器進行調(diào)參。兩者相輔相成。下面就對Adaboost的兩個類：AdaBoostClassifier和AdaBoostRegressor從這兩部分做一個介紹。
2. AdaBoostClassifier和AdaBoostRegressor框架參數(shù)
我們首先來看看AdaBoostClassifier和AdaBoostRegressor框架參數(shù)。兩者大部分框架參數(shù)相同，下面我們一起討論這些參數(shù)，兩個類如果有不同點我們會指出。
延伸閱讀
- ssh框架 2016-09-30
- 阿里移動安全 [無線安全]玩轉(zhuǎn)無線電——不安全的藍牙鎖 2017-07-26
- 消息隊列NetMQ 原理分析4-Socket、Session、Option和Pipe 2024-03-26
- Selective Search for Object Recognition 論文筆記【圖片目標分割】 2017-07-26
- 詞向量-LRWE模型-更好地識別反義詞同義詞 2017-07-26
- 從棧不平衡問題 理解 calling convention 2017-07-26
- php imagemagick 處理 圖片剪切、壓縮、合并、插入文本、背景色透明 2017-07-26
- Swift實現(xiàn)JSON轉(zhuǎn)Model - HandyJSON使用講解 2017-07-26
- 阿里移動安全 Android端惡意鎖屏勒索應用分析 2017-07-26
- 集合結(jié)合數(shù)據(jù)結(jié)構(gòu)來看看(二) 2017-07-26
學習是年輕人改變自己的最好方式