如何使用ada boosting作为R中的集合方法？

-2

我想学习集成方法，并发现ada-boosting可以建立在普通机器学习方法（如随机森林）之上。该方法可以使用训练集中的错误分类数据来建立更准确的分类模型。如何使用ada boosting作为R中的集合方法？

但是，我在网上搜索，但我找不到执行的答案。

我想知道如何在随机森林的顶部为分类问题构建一个ada-boosting来最小化错误？

让我们只说我有一个

训练集（DF）：火车

测试集（DF）：测试

和多项功能叫做：特征。

，分级被称为：结果（火车$结果）

我的正常模式将（使用插入符号包假设）：

mymodel_rf < -train（火车[，结果]火车[， Feature]，method =“rf”，trControl = ...）

那么如何前进？使用这个结果构建ada-boosting方法？

来源

2017-10-17 Kevin Liu

随机森林和adaboost是不同的集成方法。但是，在谈论adaboost时，它会给数据点权重并不断更新它们。有一些数学涉及到更新权重。您可以按照以下链接了解如何实施该算法： https://courses.cs.washington.edu/courses/cse446/17wi/slides/boosting-kNNclassification-annotated.pdf https：// courses。 cs.washington.edu/courses/cse546/13au/slides/decision-trees-annotated.pdf – frank

我不是在寻找ada-boosting的定期实施。我正在寻找两种算法的集合。在坚果壳中，我想知道如何将随机森林的结果传递给ada-boosting。给予ada-boosting目标从以前的训练（在我的情况下，它是随机森林）的错误分类数据，我想知道我应该如何将随机森林中的错误分类数据传递给ada-boosting。 –

2秒钟的谷歌搜索带我到这个教程：https://cran.r-project.org/web/packages/caretEnsemble/vignettes/caretEnsemble-intro.html – Zephro

我不知道你在'顶上'是什么意思，但RF会给你一些结果，Adaboost会给你一些结果。如果你想合成这两个，只需得到结果的统计模式。

无论如何，Adaboost和Random Forest都是合奏技巧。该技术是构建无数弱分类器，并通过采用平均值或模式将它们组合成强分类器。

来源

2017-10-20 08:42:09 pissall

如何使用ada boosting作为R中的集合方法？

回答

相关问题