Python sklearn.ensemble.AdaBoostClassifier实例讲解

用法:

class sklearn.ensemble.AdaBoostClassifier(base_estimator=None, *, n_estimators=50, learning_rate=1.0, algorithm='SAMME.R', random_state=None)

AdaBoost 分类器。

AdaBoost [1] 分类器是一个 meta-estimator，它首先在原始数据集上拟合分类器，然后在同一数据集上拟合分类器的其他副本，但调整错误分类实例的权重，以便后续分类器关注更多关于疑难案件。

此类实现称为AdaBoost-SAMME [2] 的算法。

在用户指南中阅读更多信息。

参数：

属性：

base_estimator：对象，默认=无

构建增强集成的基本估计器。需要支持样本加权，以及正确的classes_ 和n_classes_ 属性。如果 None ，则基本估计量是 DecisionTreeClassifier 用 max_depth=1 初始化。

n_estimators：int 默认=50

终止提升的估计器的最大数量。在完美契合的情况下，学习过程会提前停止。

learning_rate：浮点数，默认=1.0