大作业2-集成学习(1)1
需积分: 0 175 浏览量
2022-08-08
19:59:57
上传
评论
收藏 19KB DOCX 举报
一、第二次大作业为集成学习综合对比分析，具体任务主要有两个：
1. 实现 AdaBoost 算法
2. 实现 Bagging 集成方法
大作业为组队形式完成，最多三人一组，提交实验报告（模板见附件），在交作业的时候写上
组内每个人的姓名和学号。
二、实现 AdaBoost 算法
首先需要同学们自行搜集分类任务的数据集（分类任务），然后自己实现 AdaBoost 算法，达
到以下要求：
1. 基学习器自行选择（可以使用 Scikit-learn 现成的分类器），使用不同的基学习器实现
2 种以上的 AdaBoost。
2. 运用 Accuracy, Precision, Recall, F1 四个指标进行对比评测，进行十折交叉验证，把结
果绘制成表格
3. 与 Scikit-learn 的 AdaBoostClassifier 得到的结果进行对比（基学习器和你自己实现的
AdaBoost 相同）
4. 详细分析不同的基学习器的 AdaBoost 的表现差异以及可能的原因。
三、实现 Bagging 集成方法
使用和上节 AdaBoost 一样的数据集，然后自己实现 Bagging 算法，达到以下要求：
1. 基学习器自行选择（可以使用 Scikit-learn 现成的分类器），使用不同的基学习器实现
2 种以上的 Bagging。
2. 运用 Accuracy, Precision, Recall, F1 四个指标进行对比评测，进行十折交叉验证，把结
果绘制成表格
3. 与 Scikit-learn 的 BaggingClassifier 得到的结果进行对比（基学习器和你自己实现的
Bagging 相同）
4. 详细分析不同的基学习器的 Bagging 的表现差异以及可能的原因。
5. 与 AdaBoost 的结果进行对比，分析两种集成方法的优劣
四、辅助材料
1. UCI 数据集网址：https://archive.ics.uci.edu/ml/datasets.php
2. Scikit-learn 数据集模块文档：https://scikit-learn.org/0.16/modules/classes.html#module-
sklearn.datasets
资源评论
