如何使用ada boosting作爲R中的集合方法？

-2

我想學習集成方法，並發現ada-boosting可以建立在普通機器學習方法（如隨機森林）之上。該方法可以使用訓練集中的錯誤分類數據來建立更準確的分類模型。如何使用ada boosting作爲R中的集合方法？

但是，我在網上搜索，但我找不到執行的答案。

我想知道如何在隨機森林的頂部爲分類問題構建一個ada-boosting來最小化錯誤？

讓我們只說我有一個

訓練集（DF）：火車

測試集（DF）：測試

和多項功能叫做：特徵。

，分級被稱爲：結果（火車$結果）

我的正常模式將（使用插入符號包假設）：

mymodel_rf < -train（火車[，結果]火車[， Feature]，method =「rf」，trControl = ...）

那麼如何前進？使用這個結果構建ada-boosting方法？

來源

2017-10-17 Kevin Liu

隨機森林和adaboost是不同的集成方法。但是，在談論adaboost時，它會給數據點權重並不斷更新它們。有一些數學涉及到更新權重。您可以按照以下鏈接瞭解如何實施該算法： https://courses.cs.washington.edu/courses/cse446/17wi/slides/boosting-kNNclassification-annotated.pdf https：// courses。 cs.washington.edu/courses/cse546/13au/slides/decision-trees-annotated.pdf – frank

我不是在尋找ada-boosting的定期實施。我正在尋找兩種算法的集合。在堅果殼中，我想知道如何將隨機森林的結果傳遞給ada-boosting。給予ada-boosting目標從以前的訓練（在我的情況下，它是隨機森林）的錯誤分類數據，我想知道我應該如何將隨機森林中的錯誤分類數據傳遞給ada-boosting。 –

2秒鐘的谷歌搜索帶我到這個教程：https://cran.r-project.org/web/packages/caretEnsemble/vignettes/caretEnsemble-intro.html – Zephro

我不知道你在'頂上'是什麼意思，但RF會給你一些結果，Adaboost會給你一些結果。如果你想合成這兩個，只需得到結果的統計模式。

無論如何，Adaboost和Random Forest都是合奏技巧。該技術是構建無數弱分類器，並通過採用平均值或模式將它們組合成強分類器。

來源

2017-10-20 08:42:09 pissall

如何使用ada boosting作爲R中的集合方法？

回答

相關問題