posts - 3,  comments - 0,  trackbacks - 0

分类器提升精确度主要就是通过组合,综合多个分类器结果,对最终结果进行分类。

 

组合方法主要有三种:装袋(bagging),提升(boosting)和随即森林。

装袋和提升方法的步骤:

1,基于学习数据集产生若干训练集

2,使用训练集产生若干分类器

3,每个分类器进行预测,通过简单选举(装袋)或复杂选举(提升),判定最终结果。

 

如上图所示,对数据集D,取得D1~Dk个子集,然后用M1~Mk个不同分类器进行分类训练,然后用测试集(新元组)得到预测结果,

最后对这k个结果使用少数服从多数原则判定。如用99种分类方法得到55个结果是1,44个结果是0,则判定最终结果为1。

 

 

在提升(boosting)算法中,可以看成是装袋的改进,即可以理解为加权投票。这里具体介绍adaptive boosting算法

该算法基本和袋装一致,就是新引入一个权重的概念,首先,在(1)初始化中,权重1/d,即每个元组(Di)权重一致,在地(9)~(11)步中,

对权重进行不断刷新,这里我们可以发现,被正确分类的元组的权重是一直乘以一个小于1的数,即被正确分类的元组,在被选为训练集Di的可能性降低,

分类器会关注“难以分类”的数据。我们是基于一个“某种分类器可能对某种特定的数据分类效果好”的信念上。

补充:元组概念:元组就是最小数据单位,比如人是一个元组,有身高,体重等属性。

 

在对数据进行训练后,就是用组合分类器。

 

这里我们看到,有出现一个权重,分类器的投票的权重,这个权重是依照分类器的准确率(错误率越低,权重越高)。

 

接下来是介绍决策树的提升算法:随机森林。

 随机森林实际非常直观,就是用上文提到的随机装袋方法,对每个Di构建决策数,这里用CART算法建树(只需要计算Gini指数),不剪枝。

然后对让森林里所有的树进行投票即可。

 

附上R语言的随机森林事例:

1
2
3
4
//如果没有安装randomForest包,要先install.packages("randomForest")<br>library(randomForest)
model.forest = randomForest(Species~.,data=iris)
pre.forest=predict(model.forest,iris)
table(pre.forest,iris$Species)

  

正确率高达100%

而用单一的决策树

library(rpart)
model.tree=rpart(Species~.,data=iris,method = "class")
pre.tree=predict(model.tree,data=iris,type="class")
table(pre.tree,iris$Species)

发现有一部分数据会被判错。

 

ps:组合分类器的算法摘自韩佳炜《数据挖掘概念与技术》。

0
0
(请您对文章做出评价)
« 上一篇:因子分析——主成份算法实现补充
posted on 2015-07-06 20:25 阿咯琉斯 阅读(7) 评论(0) 编辑 收藏
<2015年7月>
2829301234
567891011
12131415161718
19202122232425
2627282930311
2345678

昵称:阿咯琉斯
园龄:9天
粉丝:0
关注:0

#自从iOS7以后中新增了二维码扫描功能。因此可以在不借助第三方类库的情况下简单的写出二维码的扫描功能;

原生的二维码扫描功能在AVFoundation框架下,所以在使用原生的二维码扫描功能时要先导入AVFoundation框架;

然后添加以下属性:

<pre><code>@property (strong,nonatomic) AVCaptureDevice *device;

@property (strong,nonatomic) AVCaptureDeviceInput *input;

@property (strong,nonatomic) AVCaptureMetadataOutput *output;

@property (strong,nonatomic) AVCaptureSession *session;

@property (strong,nonatomic) AVCaptureVideoPreviewLayer *preview;</code></pre>

这里是对以上属性的介绍

下面是对上面属性的实例化:

self.device  = [AVCaptureDevice defaultDeviceWithMediaType:AVMediaTypeVideo];

    self.input   = [AVCaptureDeviceInput deviceInputWithDevice:self.device error:nil];

    self.output  = [[AVCaptureMetadataOutput alloc] init];

    [self.output setMetadataObjectsDelegate:self queue:dispatch_get_main_queue()];

     self.session = [[AVCaptureSession alloc] init];

    [self.session setSessionPreset:AVCaptureSessionPresetHigh];

     if ([self.session canAddInput:self.input])

    {

        [self.session addInput:self.input];

    }

    if ([self.session canAddOutput:self.output])

    {

        [self.session addOutput:self.output];

    }

    // 扫码类型

    self.output.metadataObjectTypes = @[AVMetadataObjectTypeQRCode];

    self.preview = [AVCaptureVideoPreviewLayer layerWithSession:self.session];

    self.preview.videoGravity = AVLayerVideoGravityResizeAspectFill;

    self.preview.frame = self.view.layer.bounds;

    [self.view.layer insertSublayer:self.preview atIndex:0];

     [self.session startRunning];

 

这儿是扫码成功之后调用的代理方法

#pragma mark AVCaptureMetadataOutputObjectsDelegate

- (void)captureOutput:(AVCaptureOutput *)captureOutput didOutputMetadataObjects:(NSArray *)metadataObjects fromConnection:(AVCaptureConnection *)connection

{

    NSString *stringValue;

    if ([metadataObjects count] >0)

    {

        //停止扫描

        [_session stopRunning];

        AVMetadataMachineReadableCodeObject * metadataObject = [metadataObjects objectAtIndex:0];

        stringValue = metadataObject.stringValue;

    }

    NSLog(@" %@",stringValue);

    // 获取到二维码的数据之后的后续操作

}

 

 以上代码基本上可以实现扫码的功能了。但是怎么样才能实现规定区域内的扫码呢?这就需要用到之间创建的属性 output ;output有一个属性

 output.rectOfInterest 专门用来设置可扫码的区域;

设置AVCaptureMetadataOutput的rectOfInterest的属性,即可扫描区域:

这样设置就可以:output.rectOfInterest = CGRectMake(y的起点/屏幕的高,x的起点/屏幕的宽,扫描的区域的高/屏幕的高,扫描的区域的宽/屏幕的宽);

 

扫描动画的实现:不在多说

 

posted on 2015-10-20 13:48  大煜  阅读(397)  评论(0编辑  收藏  举报