adaBoostClassifier

语法

adaBoostClassifier(ds, yColName, xColNames, numClasses, [maxFeatures=0], [numTrees=10], [numBins=32], [maxDepth=10], [minImpurityDecrease=0.0], [learningRate=0.1], [algorithm='SAMME.R'], [randomSeed])

参数

ds 是数据源,通常用sqlDS函数生成。

yColName 是字符串,表示数据源中作为因变量(所属分类)的列名。

xColNames 是字符串标量或向量,表示数据源中作为自变量的列名。

numClasses 是正整数,表示分类数目。y列的取值必须是[0, numClasses)之间的整数。

maxFeatures 是一个整数或浮点数,表示一次分裂节点选取的特征个数或比例。默认值是0。

如果 maxFeatures 为正整数,则在一次分裂时选取maxFeatures个特征。
如果 maxFeatures =0,则在一次分裂时选取全部特征。
如果 maxFeatures 是一个0和1之间的浮点数,则在一次分裂时选取int(特征列数量* maxFeatures)个特征。

numTrees 是正整数,表示产生树的最大个数,即停止提升时的最大迭代次数。如果能够完美训练,学习会提前中止。默认值为10。

numBins 是正整数,表示离散化连续特征时的桶数。默认值为32。增加numBins会使算法考虑更多的分裂节点的决策值,产生更好的分裂结果,但也会提高计算量和通讯量。

maxDepth 是正整数,表示树的最大深度。默认值为10。

minImpurityDecrease 是浮点数,如果分裂产生的基尼指数纯度减少值大于或等于这个值,节点会继续分裂。

learningRate 是正浮点数,表示迭代过程中的每个分类器对下一个分类器的样本权重的影响。

algorithm 是一个字符串,表示所使用的算法,可以取值“SAMME.R”或“SAMME”。默认值为“SAMME.R”。

randomSeed 是随机数生成器使用的种子。

详情

进行AdaBoost分类。返回结果是字典,包含以下key:numClasses, minImpurityDecrease, maxDepth, numBins, numTrees, maxFeatures, model, modelName, xColNames, learningRate, algorithm 。其中model是一个元组,保存了训练生成的树;modelName为“AdaBoost Classifier”

生成的模型可以作为predict函数的输入。

例子

用模拟数据训练一个AdaBoost分类模型

$ t = table(100:0, `cls`x0`x1, [INT,DOUBLE,DOUBLE])
$ n=5
$ cls = take(0, n)
$ x0 = norm(0, 10, n)
$ x1 = norm(0, 10, n)
$ insert into t values (cls, x0, x1)
$ cls = take(1, n)
$ x0 = norm(1, 10, n)
$ x1 = norm(1, 10, n)
$ insert into t values (cls, x0, x1)
$ model = adaBoostClassifier(sqlDS(<select * from t>), `cls, `x0`x1, 2);

把模型用于预测

$ t1 = table(-0.5 0 1 2 as x0, -2 0 1 3 as x1)
$ predict(model, t1);

保存模型到磁盘,以及加载保存的模型

$ saveModel(model, "C:/DolphinDB/data/classifierModel.bin");
$ loadModel("C:/DolphinDB/data/classifierModel.bin");

相关函数:adaBoostRegressor, randomForestClassifier, randomForestRegressor