# 机器学习算法总结-第六天(Adaboost算法)

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了# 机器学习算法总结-第六天(Adaboost算法)，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1242字，纯文字阅读大概需要2分钟。

内容图文

SKlearn中的Adaboost使用

主要调的参数：第一部分是对我们的Adaboost的框架进行调参， 第二部分是对我们选择的弱分类器进行调参。
使用 Adaboost 进行手写数字识别
导入库，载入数据

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

from sklearn.ensemble import AdaBoostClassifier
from sklearn.tree import DecisionTreeClassifier

from sklearn.metrics import accuracy_score
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import cross_val_predict
from sklearn.model_selection import train_test_split
from sklearn.model_selection import learning_curve

from sklearn.datasets import load_digits
dataset = load_digits()
X = dataset['data']
y = dataset['target']

看下图像：

使用深度为 1 的决策树分类器,准确率是0.2641850696745583

reg_ada = AdaBoostClassifier(DecisionTreeClassifier(max_depth=1))
scores_ada = cross_val_score(reg_ada, X, y, cv=6)
scores_ada.mean()

通过调节决策树的深度，提高识别准确率

score = []
for depth in [1,2,10] : 
    reg_ada = AdaBoostClassifier(DecisionTreeClassifier(max_depth=depth))
    scores_ada = cross_val_score(reg_ada, X, y, cv=6)
    score.append(scores_ada.mean())

当决策树的深度为 10 时，分类器得到了最高的分类准确率 95%
详细参数参考下面这篇链接：
https://www.cnblogs.com/pinard/p/6136914.html

内容总结

以上是互联网集市为您收集整理的# 机器学习算法总结-第六天(Adaboost算法)全部内容，希望文章能够帮你解决# 机器学习算法总结-第六天(Adaboost算法)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---