培訓弱學習者

我正在實施一個應用程序，使用AdaBoost對大象是亞洲還是非洲大象進行分類。我的輸入數據是：培訓弱學習者

Elephant size: 235 Elephant weight: 3568 Sample weight: 0.1 Elephant type: Asian 
Elephant size: 321 Elephant weight: 4789 Sample weight: 0.1 Elephant type: African 
Elephant size: 389 Elephant weight: 5689 Sample weight: 0.1 Elephant type: African 
Elephant size: 210 Elephant weight: 2700 Sample weight: 0.1 Elephant type: Asian 
Elephant size: 270 Elephant weight: 3654 Sample weight: 0.1 Elephant type: Asian 
Elephant size: 289 Elephant weight: 3832 Sample weight: 0.1 Elephant type: African 
Elephant size: 368 Elephant weight: 5976 Sample weight: 0.1 Elephant type: African 
Elephant size: 291 Elephant weight: 4872 Sample weight: 0.1 Elephant type: Asian 
Elephant size: 303 Elephant weight: 5132 Sample weight: 0.1 Elephant type: African 
Elephant size: 246 Elephant weight: 2221 Sample weight: 0.1 Elephant type: African

我創建了一個分類等級：

import java.util.ArrayList; 

public class Classifier { 
private String feature; 
private int treshold; 
private double errorRate; 
private double classifierWeight; 

public void classify(Elephant elephant){ 
    if(feature.equals("size")){ 
     if(elephant.getSize()>treshold){ 
      elephant.setClassifiedAs(ElephantType.African); 
     } 
     else{ 
      elephant.setClassifiedAs(ElephantType.Asian); 
     }   
    } 
    else if(feature.equals("weight")){ 
     if(elephant.getWeight()>treshold){ 
      elephant.setClassifiedAs(ElephantType.African); 
     } 
     else{ 
      elephant.setClassifiedAs(ElephantType.Asian); 
     } 
    } 
} 

public void countErrorRate(ArrayList<Elephant> elephants){ 
    double misclassified = 0; 
    for(int i=0;i<elephants.size();i++){ 
     if(elephants.get(i).getClassifiedAs().equals(elephants.get(i).getType()) == false){ 
      misclassified++; 
     } 
    } 
    this.setErrorRate(misclassified/elephants.size()); 
} 

public void countClassifierWeight(){ 
    this.setClassifierWeight(0.5*Math.log((1.0-errorRate)/errorRate)); 
} 

public Classifier(String feature, int treshold){ 
    setFeature(feature); 
    setTreshold(treshold); 
}

我在主訓練的（），它由「大小」和treshold = 250就是這樣的分類的分類：

main.trainAWeakClassifier("size", 250);

在我的分類器對每個大象進行分類後，我計算分類器錯誤，更新每個樣本（大象）的權重並計算分類器的權重。我的問題是：

如何創建下一個分類器，以及它如何關心錯誤分類的樣本（我知道樣本權重是關鍵，但它是如何工作的，因爲我不知道如何實現它）？我是否正確創建了第一個分類器？

來源

2012-08-25 AjMeen

如果你正在與大象合作，你可能想嘗試一個強大的學習者。你如何期望一個弱小的人能夠處理一個5噸的哺乳動物？ – thkala

我真的不明白你的意思，但我很欣賞你的幽默感。 AdaBoost基於弱學習者。 – AjMeen

你需要從頭開始實施它，還是可以使用像Weka或R這樣的libreries？ –

嗯，你計算錯誤率並且可以對實例進行分類，但是你所缺少的是分類器的更新並且按照Ada Boost公式將它們合併爲一個。看看這裏的算法： Wikipedia's Ada Boost webpage

來源

2012-08-29 04:44:22 fiacobelli

培訓弱學習者

回答

相關問題