色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
电子发烧友
开通电子发烧友VIP会员 尊享10大特权
海量资料免费下载
精品直播免费看
优质内容免费畅学
课程9折专享价
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

adaboost運行函數的算法怎么來的?基本程序代碼實現詳細

lviY_AI_shequ ? 2018-07-21 10:18 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

一.Adaboost理論部分

1.1 adaboost運行過程

注釋:算法是利用指數函數降低誤差,運行過程通過迭代進行。其中函數的算法怎么來的,你不用知道!當然你也可以嘗試使用其它的函數代替指數函數,看看效果如何。

1.2 舉例說明算法流程

1.3 算法誤差界的證明

注釋:誤差的上界限由Zm約束,然而Zm又是由Gm(xi)約束,所以選擇適當的Gm(xi)可以加快誤差的減小。

二.代碼實現

2.1程序流程圖

2.2基本程序實現

注釋:真是倒霉玩意,本來代碼全部注釋好了,突然Ubuntu奔潰了,全部程序就GG了。。。下面的代碼就是官網的代碼,部分補上注釋。現在使用Deepin桌面版了,其它方面都比Ubuntu好,但是有點點卡。

from numpy import *

def loadDataSet(fileName): #general function to parse tab -delimited floats

numFeat = len(open(fileName).readline().split(' ')) #get number of fields

dataMat = []; labelMat = []

fr = open(fileName)

for line in fr.readlines():

lineArr =[]

curLine = line.strip().split(' ')

for i in range(numFeat-1):

lineArr.append(float(curLine[i]))

dataMat.append(lineArr)

labelMat.append(float(curLine[-1]))

return dataMat,labelMat

def stumpClassify(dataMatrix,dimen,threshVal,threshIneq):#just classify the data

retArray = ones((shape(dataMatrix)[0],1))

if threshIneq == 'lt':

retArray[dataMatrix[:,dimen] <= threshVal] = -1.0

else:

retArray[dataMatrix[:,dimen] > threshVal] = -1.0

return retArray

def buildStump(dataArr,classLabels,D):

dataMatrix = mat(dataArr); labelMat = mat(classLabels).T

m,n = shape(dataMatrix)

numSteps = 10.0; bestStump = {}; bestClasEst = mat(zeros((m,1)))

minError = inf #init error sum, to +infinity

for i in range(n):#loop over all dimensions

rangeMin = dataMatrix[:,i].min(); rangeMax = dataMatrix[:,i].max();

stepSize = (rangeMax-rangeMin)/numSteps

for j in range(-1,int(numSteps)+1):#loop over all range in current dimension

for inequal in ['lt', 'gt']: #go over less than and greater than

threshVal = (rangeMin + float(j) * stepSize)

predictedVals = stumpClassify(dataMatrix,i,threshVal,inequal)#call stump classify with i, j, lessThan

errArr = mat(ones((m,1)))

errArr[predictedVals == labelMat] = 0

weightedError = D.T*errArr #calc total error multiplied by D

#print "split: dim %d, thresh %.2f, thresh ineqal: %s, the weighted error is %.3f" % (i, threshVal, inequal, weightedError)

if weightedError < minError:

minError = weightedError

bestClasEst = predictedVals.copy()

bestStump['dim'] = i

bestStump['thresh'] = threshVal

bestStump['ineq'] = inequal

return bestStump,minError,bestClasEst

def adaBoostTrainDS(dataArr,classLabels,numIt=40):

weakClassArr = []

m = shape(dataArr)[0]

D = mat(ones((m,1))/m) #init D to all equal

aggClassEst = mat(zeros((m,1)))

for i in range(numIt):

bestStump,error,classEst = buildStump(dataArr,classLabels,D)#build Stump

#print "D:",D.T

alpha = float(0.5*log((1.0-error)/max(error,1e-16)))#calc alpha, throw in max(error,eps) to account for error=0

bestStump['alpha'] = alpha

weakClassArr.append(bestStump) #store Stump Params in Array

#print "classEst: ",classEst.T

expon = multiply(-1*alpha*mat(classLabels).T,classEst) #exponent for D calc, getting messy

D = multiply(D,exp(expon)) #Calc New D for next iteration

D = D/D.sum()

#calc training error of all classifiers, if this is 0 quit for loop early (use break)

aggClassEst += alpha*classEst

#print "aggClassEst: ",aggClassEst.T

aggErrors = multiply(sign(aggClassEst) != mat(classLabels).T,ones((m,1)))

errorRate = aggErrors.sum()/m

print ("total error: ",errorRate)

if errorRate == 0.0: break

return weakClassArr,aggClassEst

def adaClassify(datToClass,classifierArr):

dataMatrix = mat(datToClass)#do stuff similar to last aggClassEst in adaBoostTrainDS

m = shape(dataMatrix)[0]

aggClassEst = mat(zeros((m,1)))

for i in range(len(classifierArr)):

classEst = stumpClassify(dataMatrix,classifierArr[i]['dim'],

classifierArr[i]['thresh'],

classifierArr[i]['ineq'])#call stump classify

aggClassEst += classifierArr[i]['alpha']*classEst

#print aggClassEst

return sign(aggClassEst)

def plotROC(predStrengths, classLabels):

import matplotlib.pyplot as plt

cur = (1.0,1.0) #cursor

ySum = 0.0 #variable to calculate AUC

numPosClas = sum(array(classLabels)==1.0)#標簽等于1的和(也等于個數)

yStep = 1/float(numPosClas); xStep = 1/float(len(classLabels)-numPosClas)

sortedIndicies = predStrengths.argsort()#get sorted index, it's reverse

sortData = sorted(predStrengths.tolist()[0])

fig = plt.figure()

fig.clf()

ax = plt.subplot(111)

#loop through all the values, drawing a line segment at each point

for index in sortedIndicies.tolist()[0]:

if classLabels[index] == 1.0:

delX = 0; delY = yStep;

else:

delX = xStep; delY = 0;

ySum += cur[1]

#draw line from cur to (cur[0]-delX,cur[1]-delY)

ax.plot([cur[0],cur[0]-delX],[cur[1],cur[1]-delY], c='b')

cur = (cur[0]-delX,cur[1]-delY)

ax.plot([0,1],[0,1],'b--')

plt.xlabel('False positive rate'); plt.ylabel('True positive rate')

plt.title('ROC curve for AdaBoost horse colic detection system')

ax.axis([0,1,0,1])

plt.show()

print ("the Area Under the Curve is: ",ySum*xStep)

注釋:重點說明一下非均衡分類的圖像繪制問題,想了很久才想明白!

都是相對而言的,其中本文說的曲線在左上方就為好,也是相對而言的,看你怎么定義個理解!

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 算法
    +關注

    關注

    23

    文章

    4712

    瀏覽量

    95476
  • 代碼
    +關注

    關注

    30

    文章

    4900

    瀏覽量

    70822

原文標題:《機器學習實戰》AdaBoost算法(手稿+代碼)

文章出處:【微信號:AI_shequ,微信公眾號:人工智能愛好者社區】歡迎添加關注!文章轉載請注明出處。

收藏 0人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    基于FPGA的壓縮算法加速實現

    的速度。我們將首先使用C語言進行代碼實現,然后在Vivado HLS中綜合實現,并最終在FPGA板(pynq-z2)上進行硬件實現,同時于jupyter notebook中使用pyth
    的頭像 發表于 07-10 11:09 ?929次閱讀
    基于FPGA的壓縮<b class='flag-5'>算法</b>加速<b class='flag-5'>實現</b>

    OptiSystem應用:用MATLAB組件實現振幅調制

    。我們用MATLAB代碼控制電脈沖對光信號的調制過程,通過在MATLAB組件中導入MATLAB代碼實現。整體光路圖如圖1,全局參數如圖2: 圖1.整體光路圖 圖2.全局參數 二、
    發表于 06-13 08:46

    18個常用的強化學習算法整理:從基礎方法到高級模型的理論技術與代碼實現

    本來轉自:DeepHubIMBA本文系統講解從基本強化學習方法到高級技術(如PPO、A3C、PlaNet等)的實現原理與編碼過程,旨在通過理論結合代碼的方式,構建對強化學習算法的全面理解。為確保內容
    的頭像 發表于 04-23 13:22 ?452次閱讀
    18個常用的強化學習<b class='flag-5'>算法</b>整理:從基礎方法到高級模型的理論技術與<b class='flag-5'>代碼</b><b class='flag-5'>實現</b>

    部署計算機上運行 LabVIEW 應用程序時出現以下錯誤: “缺少外部函數 dll...”解決辦法

    如果你既有 DLL 文件,也有頭 (.h) 文件,那么可以使用共享庫批量生成VI,不用再一個一個使用“調用庫函數節點”調用DLL,源代碼運行是沒有問題,一旦生成應用
    發表于 04-01 19:10

    RAKsmart企業服務器上部署DeepSeek編寫運行代碼

    在RAKsmart企業服務器上部署并運行DeepSeek模型的代碼示例和詳細步驟。假設使用 Python + Transformers庫 + FastAPI實現一個基礎的AI服務。主機
    的頭像 發表于 03-25 10:39 ?309次閱讀

    OptiSystem應用:用MATLAB組件實現振幅調制

    。我們用MATLAB代碼控制電脈沖對光信號的調制過程,通過在MATLAB組件中導入MATLAB代碼實現。整體光路圖如圖1,全局參數如圖2: 圖1.整體光路圖 圖2.全局參數 二、
    發表于 02-14 09:39

    代碼與傳統開發的區別 低代碼與無代碼開發的區別

    的工具和圖形界面縮短開發時間和降低技術門檻。以下是對低代碼開發與傳統開發的詳細對比: 適用人群 傳統開發 :主要適用于有經驗、有基礎的程序員,他們可以利用各種編碼語言進行應用
    的頭像 發表于 01-31 10:48 ?637次閱讀

    關于cc2541程序代碼樣例

    CC2541哪里有cc2541的模數轉換模塊和藍牙模塊的程序代碼樣例呀?初學不懂
    發表于 01-20 07:14

    基于NXP MCXA153 MCU實現RT-Thread的MTD NOR Flash驅動

    在嵌入式系統中,片上Flash存儲器是一個關鍵組件,用于存儲程序代碼和關鍵數據。本文將詳細介紹如何在NXPMCXA153 MCU上實現RT-Thread的MTD (Memory Technology Device) NOR Fl
    的頭像 發表于 11-09 14:00 ?1171次閱讀
    基于NXP MCXA153 MCU<b class='flag-5'>實現</b>RT-Thread的MTD NOR Flash驅動

    【RA-Eco-RA2E1-48PIN-V1.0開發板試用】原創測量代碼運行時間

    詳細說明。最后通過串口打印輸出算法模塊函數的執行時間,展示給大家。 1.打開我之前的項目工程FPU文件夾目錄,打開keil 打開pack insall 安裝管理器,安裝perf_c
    發表于 11-06 15:32

    基于圖遍歷的Flink任務畫布模式下零代碼開發實現方案

    的過程。以下是利用Flink的 StreamGraph 通過低代碼的方式,實現StreamGraph的生成,并最終實現 Flink 程序
    的頭像 發表于 11-05 10:35 ?1110次閱讀
    基于圖遍歷的Flink任務畫布模式下零<b class='flag-5'>代碼</b>開發<b class='flag-5'>實現</b>方案

    Pure path studio內能否自己創建一個component,實現特定的算法,例如LMS算法

    TLV320AIC3254EVM-K評估模塊, Pure path studio軟件開發環境。 問題:1.Pure path studio 內能否自己創建一個component,實現特定的算法
    發表于 11-01 08:25

    單片機燒錄程序的線比單片機上的少還能燒錄嗎

    單片機燒錄原理 單片機燒錄是指將編寫好的程序代碼通過一定的方式傳輸到單片機的存儲器中,使其能夠按照程序的指令運行。這個過程通常需要使用燒錄器或者編程器等設備,通過一定的接口與單片機進行通信。 單片機
    的頭像 發表于 09-02 09:54 ?1110次閱讀

    LKT(LCS)代碼移植芯片優勢

    所謂代碼移植就是客戶可以把自定義的程序一部分關鍵代碼函數移植到加密芯片中運行。用戶采用標準C語言編寫代碼
    的頭像 發表于 08-22 10:03 ?1205次閱讀

    怎樣用Arduino測試鋰電池容量

    本文詳細介紹了如何用Arduino測量鋰電池的容量。并附有電路圖和Arduino的程序代碼
    的頭像 發表于 07-30 09:14 ?1684次閱讀
    怎樣用Arduino測試鋰電池容量
    主站蜘蛛池模板: bt天堂午夜国产精品 | 一品道门在线观看免费视频 | 日韩内射美女人妻一区二区三区 | 浪货嗯啊趴下NP粗口黄暴 | 久久综久久美利坚合众国 | 欧美ZC0O人与善交的最新章节 | 99国产精品综合AV无码 | 久久中文字幕无线观看 | 亚洲日韩国产精品乱-久 | 晓雪老师我要进你里面好爽 | 久久影院午夜理论片无码 | 国产AV一区二区三区传媒 | 豆奶视频在线高清观看 | 草莓西瓜樱桃香蕉直播视频 | 亚洲黄色网页 | YELLOW日本动漫高清免费 | 259luxu高跟黑色丝袜系列 | 午夜DY888国产精品影院 | 国产亚洲精品字幕在线观看 | 在线色av | 最新国产精品视频免费看 | 巨污全肉np一女多男 | 国内精品久久人妻无码HD浪潮 | 亚洲性无码av在线 | 美女漏bb | 9966在线观看免费高清电影 | 无套内射无矿码免费看黄 | 国产精品久久久久激情影院 | 永久精品视频无码一区 | 老司机深夜福利ae 入口网站 | 性欧美video另类hd高清 | 免费乱理伦片在线观看八戒 | 国产麻豆精品久久一二三 | 欧美AAAA片免费播放观看 | 成年人在线免费观看视频网站 | 日日噜噜噜噜夜夜爽亚洲精品 | 女仆翻身大作战 | 大胸美女裸身色诱网站 | china chinese中国人玩 | 美女乱草鲍高清照片 | 一级毛片免费在线播放 |

    電子發燒友

    中國電子工程師最喜歡的網站

    • 2931785位工程師會員交流學習
    • 獲取您個性化的科技前沿技術信息
    • 參加活動獲取豐厚的禮品