从头开始实施 AdaBoost 算法
AdaBoost 模型属于一类集成机器学习模型。从“集合”这个词的字面意思来看，我们很容易对这个模型的工作原理有更好的直觉。集成模型承担了组合不同模型的责任，并在以后产生一个高级/更精确的元模型。与对应的模型相比，这个元模型在预测方面具有相对较高的准确性。我们已经在文章集成分类器|数据挖掘中了解了这些集成模型的工作。
AdaBoost 算法属于集成增强技术，正如所讨论的，它组合多个模型以产生更精确的结果，这分两个阶段完成:
- Allow multiple weak learners to learn on training data.
- These models are combined to generate meta-model, which aims to solve the errors performed by a single weak learner.
注:更多信息请参考助推系综模型
在本文中，我们将学习 AdaBoost 分类器在数据集上的实际实现。
在这个问题中，我们给出了一个包含 3 种花和这些花的特征的数据集，例如-萼片长度、萼片宽度、花瓣长度和花瓣宽度，并且我们必须将这些花分类成这些种类。数据集可以从这里下载
让我们从导入完成分类任务所需的重要库开始:
【Python】
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.ensemble import AdaBoostClassifier
import warnings
warnings.filterwarnings("ignore")
导入库后，我们将使用熊猫 read_csv 方法加载数据集，如下所示:
Python
# Reading the dataset from the csv file
# separator is a vertical line, as seen in the dataset
data = pd.read_csv("Iris.csv")
# Printing the shape of the dataset
print(data.shape)
(150, 6)
我们可以看到我们的数据集包含 150 行和 6 列。让我们使用 head() 方法看一下我们在数据集中的实际内容如下:
Python
data.head()
版权属于：月萌API www.moonapi.com，转载请注明出处
