AdaBoostClassifier参数
【AdaBoostClassifier】
Adaboost-参数:
base_estimator:基分类器,默认是决策树,在该分类器基础上进行boosting,理论上可以是任意一个分类器,但是如果是其他分类器时需要指明样本权重。
n_estimators:基分类器提升(循环)次数,默认是50次,这个值过大,模型容易过拟合;值过小,模型容易欠拟合。
learning_rate:学习率,表示梯度收敛速度,默认为1,如果过大,容易错过最优值,如果过小,则收敛速度会很慢;该值需要和n_estimators进行一个权衡,当分类器迭代次数较少时,学习率可以小一些,当迭代次数较多时,学习率可以适当放大。
algorithm:boosting算法,也就是模型提升准则,有两种方式SAMME, 和SAMME.R两种,默认是SAMME.R,两者的区别主要是弱学习器权重的度量,前者是对样本集预测错误的概率进行划分的,后者是对样本集的预测错误的比例,即错分率进行划分的,默认是用的SAMME.R。
random_state:随机种子设置。
关于Adaboost模型本身的参数并不多,但是我们在实际中除了调整Adaboost模型参数外,还可以调整基分类器的参数,关于基分类的调参,和单模型的调参是完全一样的,比如默认的基分类器是决策树,那么这个分类器的调参和我们之前的Sklearn参数详解——决策树是完全一致。
Adaboost-对象
estimators_:以列表的形式返回所有的分类器。
classes_:类别标签
estimator_weights_:每个分类器权重
estimator_errors_:每个分类器的错分率,与分类器权重相对应。
feature_importances_:特征重要性,这个参数使用前提是基分类器也支持这个属性。
Adaboost-方法
decision_function(X):返回决策函数值(比如svm中的决策距离)
fit(X,Y):在数据集(X,Y)上训练模型。
get_parms():获取模型参数
predict(X):预测数据集X的结果。
predict_log_proba(X):预测数据集X的对数概率。
predict_proba(X):预测数据集X的概率值。
score(X,Y):输出数据集(X,Y)在模型上的准确率。
staged_decision_function(X):返回每个基分类器的决策函数值
staged_predict(X):返回每个基分类器的预测数据集X的结果。
staged_predict_proba(X):返回每个基分类器的预测数据集X的概率结果。
staged_score(X, Y):返回每个基分类器的预测准确率。
最新文章
- python编码最佳实践之总结
- Qt中常见错误整理(不定期更新)
- 让最新官方编译的 ffmpeg 在 XP 上 跑起来
- 20145206邹京儒《Java程序设计》第3周学习总结
- Cobbler自动化批量安装linux服务器的操作记录
- ubuntu install rpm package
- AJAX 控件集之TextBoxWatermark(水印文本框)控件
- linux 能访问内网,但不能访问外网?解决方案
- 《TCP/IP作品详细解释2:达到》注意事项--IP地址
- 基于 socket.io, 简单实现多平台类似你猜我画 socket 数据传输
- BZOJ:4816: [Sdoi2017]数字表格
- php的api及登录的权限验证
- SQL Server关于predicate、density、selectivity、cardinality名词浅析
- Flutter 读写本地文件
- python基础-列表(7)
- Hadoop生态系统之Yarn
- Django 模板 语法 变量 过滤器 模板继承 组件 自定义标签和过滤器 静态文件相关
- mysql++ 3.2.3 源码安装
- Bloom Filter 算法简介 (增加 Counting Bloom Filter 内容)
- Mac Mini 2011 mid 安装Ubuntu18.06.1 Server
热门文章
- HDFS 03 - 你能说说 HDFS 的写入和读取过程吗?
- Win10下ctrl与alt键互换
- XAPKInstaller - XAPK游戏包安装器
- c++随机数问题研究
- docker在vulhub中的使用命令合集
- CVE-2020-1938 -Tomcat-AJP任意文件读取/包含
- Java实现解压缩文件和文件夹
- 一个名叫Sentinel-Rules-SDK的组件,使得Sentinel的流控&;熔断规则的配置更加方便
- CRC校验原理和verilog实现方法(一)
- 2021-2-28 Mark-Java Interview Simple