Bagging(R語言實現)—包外錯誤率,多樣性測度
1. Bagging
Bagging即套袋法,其演算法過程如下:
-
從原始樣本集中抽取訓練集。每輪從原始樣本集中使用Bootstraping的方法抽取n個訓練樣本(在訓練集中,有些樣本可能被多次抽取到,而有些樣本可能一次都沒有被抽中)。共進行k輪抽取,得到k個訓練集。(k個訓練集之間是相互獨立的)
-
每次使用一個訓練集得到一個模型,k個訓練集共得到k個模型。(注:這裡並沒有具體的分類演算法或迴歸方法,我們可以根據具體問題採用不同的分類或迴歸方法,如決策樹、感知器等)
-
對分類問題:將上步得到的k個模型採用投票的方式得到分類結果;對迴歸問題,計算上述模型的均值作為最後的結果。(所有模型的重要性相同)
2. 演算法設計過程
2.1. 隨機取樣方法
樣本總數150條(Iris資料集)
抽樣方法是有放回隨機抽樣。對150個樣本的資料集,進行150次又放回隨機取樣,這樣得到具有和原樣本空間同等大小的樣本集。
這樣操作次,得到訓練樣本。33個用決策樹C50,34個樸素貝葉斯,33個用KNN。
2.2. 模型評價方法
2.2.1. 包外錯誤率
由抽樣方法可知,每次抽樣大約有
圖 1 包外錯誤率
2.2.2. 成對多樣性度量
a->兩個個體學習器對同一條資料(h1=h2=Class),分類都與原資料集分類相同
b->兩個個體學習器對同一條資料(h1=class,h2!=Class)
c->兩個個體學習器對同一條資料(h1!=class,h2=Class)
d->兩個個體學習器對同一條資料(h1!=class,h2!=Class),分類都與原資料集分類都不相同
K統計量
Q統計量
相關係數
不一致度量
表1兩個分類器的分類結果組合情況
|
||
圖2 多樣性度量矩陣
2.3. 虛擬碼
|
過程: for i to T
end for i to T for j=i+1 to T 統計a,b,c,d end end |
3. 附錄
資料集簡介:
表2 iris
sepal length |
萼片長度 |
sepal width |
萼片寬度 |
petal length |
花瓣長度 |
petal width |
花瓣寬度 |
Class |
Iris-setosa -> 1 Iris-versicolor -> 2 Iris-virginica-> 3 |
感謝大家批評指正