3

ゾウがアジアゾウかアフリカゾウかを分類するために、AdaBoost を使用するアプリケーションを実装しています。私の入力データは次のとおりです。

Elephant size: 235  Elephant weight: 3568  Sample weight: 0.1  Elephant type: Asian
Elephant size: 321  Elephant weight: 4789  Sample weight: 0.1  Elephant type: African
Elephant size: 389  Elephant weight: 5689  Sample weight: 0.1  Elephant type: African
Elephant size: 210  Elephant weight: 2700  Sample weight: 0.1  Elephant type: Asian
Elephant size: 270  Elephant weight: 3654  Sample weight: 0.1  Elephant type: Asian
Elephant size: 289  Elephant weight: 3832  Sample weight: 0.1  Elephant type: African
Elephant size: 368  Elephant weight: 5976  Sample weight: 0.1  Elephant type: African
Elephant size: 291  Elephant weight: 4872  Sample weight: 0.1  Elephant type: Asian
Elephant size: 303  Elephant weight: 5132  Sample weight: 0.1  Elephant type: African
Elephant size: 246  Elephant weight: 2221  Sample weight: 0.1  Elephant type: African

分類子クラスを作成しました：

import java.util.ArrayList;

public class Classifier {
private String feature;
private int treshold;
private double errorRate;
private double classifierWeight;

public void classify(Elephant elephant){
    if(feature.equals("size")){
        if(elephant.getSize()>treshold){
            elephant.setClassifiedAs(ElephantType.African);
        }
        else{
            elephant.setClassifiedAs(ElephantType.Asian);
        }           
    }
    else if(feature.equals("weight")){
        if(elephant.getWeight()>treshold){
            elephant.setClassifiedAs(ElephantType.African);
        }
        else{
            elephant.setClassifiedAs(ElephantType.Asian);
        }
    }
}

public void countErrorRate(ArrayList<Elephant> elephants){
    double misclassified = 0;
    for(int i=0;i<elephants.size();i++){
        if(elephants.get(i).getClassifiedAs().equals(elephants.get(i).getType()) == false){
            misclassified++;
        }
    }
    this.setErrorRate(misclassified/elephants.size());
}

public void countClassifierWeight(){
    this.setClassifierWeight(0.5*Math.log((1.0-errorRate)/errorRate));
}

public Classifier(String feature, int treshold){
    setFeature(feature);
    setTreshold(treshold);
}

そして、次のように、「サイズ」としきい値 = 250 で分類する分類子を main() でトレーニングしました。

 main.trainAWeakClassifier("size", 250);

分類器が各象を分類した後、分類器の誤差を数え、各サンプル (象) の重みを更新し、分類器の重みを数えます。私の質問は次のとおりです。

次の分類器を作成するにはどうすればよいですか? また、誤分類されたサンプルをどのように処理しますか? 最初の分類器を適切に作成しましたか?

4

1 に答える 1

0

エラー率を計算してインスタンスを分類できますが、不足しているのは、分類子を更新し、AdaBoost式ごとにそれらを1つに結合することです。ここでアルゴリズムを見てください： ウィキペディアのAdaBoostWebページ

于 2012-08-29T04:44:22.107 に答える