R语言使用boosting方法对数据分类与交叉验证
数据分类说明
与bagging方法类似,boosting算法也是先获得简单的分类器,然后通过调整错分样本的权重逐步改进分类器,使得后续分类器能够学习前一轮分类器,adabag实现了AdaBoost.M1和SAMME两个算法,因此用户能够使用adabag包实施集成学习。
数据分类操作
导入包
library(rpart)
library(adabag)
调用adabag包的boosting函数分类器:
churn.boost = boosting(churn ~ .,data = trainset,mfinal = 10,coeflearn = "Freund",boos = FALSE,control = rpart.control(maxdepth = 3))
使用boosting训练模型对测试数据集进行分类预测:
churn.boost.pred = predict.boosting(churn.boost,newdata = testset)
基于预测结果生成分类表:
churn.boost.pred$confusion
Observed Class
Predicted Class yes no
no 41 858
yes 100 19
根据分类结果计算平均误差:
churn.boost.pred$error
[1] 0.0589391
数据分类原理
boosting算法的思想是通过对弱分类器(单一决策树)的“逐步优化”,使之成为强分类器。假定当前在训练集中存在n个点,对其权重分别赋值Wj(0<= j < n),在迭代的学习过程中(假定迭代次数为m),我们将根据每次迭代的分类结果,不断调整这些点的权重,如果当前这些点分类是正确的,则调低其权值,否则,增加样例点的权值。这样,当整个迭代过程结束时,算法将得到m个合适的模型,最终,通过对每棵决策树加权平均得到最后的预测结果,权值b由每棵决策树的分类质量决定。
bagging和boosting都采用了集成学习的思想,即将多个弱分类器组成强分类器,两者的不同在于,bagging是组合独立的模型,而boosting则通过在迭代的过程学习的过程中尽可能用正确的分类模型来降低预测误差。与bagging类似,用户也需要指定用于分类的模型的公式与分类数据集,用户还要自己指定诸如迭代次数(mfinal),权重更新系数(coeflearn)、观测值权重(boos)以及rpart的控制方法(单一决策树)等参数,本例中迭代次数为设置为10,采用Freund(AdaBoost.M1算法实现的方法)作为系数(coeflearn),设置boos的值是“false”,最大深度为3。
交叉验证说明
adabag包支持对boosting方法的交叉验证,该功能可以通过boosting.cv实现。
交叉验证操作
获得boosting方法交叉验证后的最小估计错误:
调用boosting.cv对训练数据集实施交叉验证:
churn.boost.cv = boosting.cv(churn ~ .,v = 10,data = trainset,mfinal = 5,control=rpart.control(cp = 0.01))
从boosting结果生成混淆矩阵
churn.boost.cv$confusion
Observed Class
Predicted Class yes no
no 103 1936
yes 239 37
得到boosting的平均误差:
churn.boost.cv$error
[1] 0.06047516
交叉验证原理
函数参数v值设置为10,mfinal的值设置为5,boosting算法会执行一个5次迭代的10折交叉验证,另外可以设置参数进行rpart的匹配控制。我们将复杂度参数设置为0.01。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-24以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《刘静:10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda ...
2025-04-23大咖简介: 刘凯,CDA大咖汇特邀讲师,DAMA中国分会理事,香港金管局特聘数据管理专家,拥有丰富的行业经验。本文将从数据要素 ...
2025-04-22CDA持证人简介 刘伟,美国 NAU 大学计算机信息技术硕士, CDA数据分析师三级持证人,现任职于江苏宝应农商银行数据治理岗。 学 ...
2025-04-21持证人简介:贺渲雯 ,CDA 数据分析师一级持证人,互联网行业数据分析师 今天我将为大家带来一个关于用户私域用户质量数据分析 ...
2025-04-18一、CDA持证人介绍 在数字化浪潮席卷商业领域的当下,数据分析已成为企业发展的关键驱动力。为助力大家深入了解数据分析在电商行 ...
2025-04-17CDA持证人简介:居瑜 ,CDA一级持证人,国企财务经理,13年财务管理运营经验,在数据分析实践方面积累了丰富的行业经验。 一、 ...
2025-04-16持证人简介: CDA持证人刘凌峰,CDA L1持证人,微软认证讲师(MCT)金山办公最有价值专家(KVP),工信部高级项目管理师,拥有 ...
2025-04-15持证人简介:CDA持证人黄葛英,ICF国际教练联盟认证教练,前字节跳动销售主管,拥有丰富的行业经验。在实际生活中,我们可能会 ...
2025-04-14在 Python 编程学习与实践中,Anaconda 是一款极为重要的工具。它作为一个开源的 Python 发行版本,集成了众多常用的科学计算库 ...
2025-04-14随着大数据时代的深入发展,数据运营成为企业不可或缺的岗位之一。这个职位的核心是通过收集、整理和分析数据,帮助企业做出科 ...
2025-04-11持证人简介:CDA持证人黄葛英,ICF国际教练联盟认证教练,前字节跳动销售主管,拥有丰富的行业经验。 本次分享我将以教培行业为 ...
2025-04-11近日《2025中国城市长租市场发展蓝皮书》(下称《蓝皮书》)正式发布。《蓝皮书》指出,当前我国城市住房正经历从“增量扩张”向 ...
2025-04-10在数字化时代的浪潮中,数据已经成为企业决策和运营的核心。每一位客户,每一次交易,都承载着丰富的信息和价值。 如何在海量客 ...
2025-04-09数据是数字化的基础。随着工业4.0的推进,企业生产运作过程中的在线数据变得更加丰富;而互联网、新零售等C端应用的丰富多彩,产 ...
2025-04-094月7日,美国关税政策对全球金融市场的冲击仍在肆虐,周一亚市早盘,美股股指、原油期货、加密货币、贵金属等资产齐齐重挫,市场 ...
2025-04-08背景 3月26日,科技圈迎来一则重磅消息,苹果公司宣布向浙江大学捐赠 3000 万元人民币,用于支持编程教育。 这一举措并非偶然, ...
2025-04-07在当今数据驱动的时代,数据分析能力备受青睐,数据分析能力频繁出现在岗位需求的描述中,不分岗位的任职要求中,会特意标出“熟 ...
2025-04-03在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-02最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01