兩種分類器算法adaboostM1和multiclassclassifier對中草藥數(shù)據(jù)分類的比較

【摘要】 實(shí)驗(yàn)中討論了在中草藥數(shù)據(jù)分類應(yīng)用中兩種分類器算法multiclassclassifier和adaboostM1的分類性能的問題，在weka平臺(tái)上實(shí)驗(yàn)可知，這兩種分類器算法中adaboostM1的分類精度比較高。

【關(guān)鍵詞】 中草藥 AdaBoostM1 weka

一、概述

AdBoostM1算法是目前一種流行的組合分類器算法，把它用在傳統(tǒng)的分類器算法上，并應(yīng)用于中草藥分類，使傳統(tǒng)的分類器性能得到進(jìn)一步提升。而在實(shí)驗(yàn)平臺(tái)WEKA上的multiclassclassifier算法也是一種分類器算法，是元學(xué)習(xí)算法中的一種。

本文在實(shí)驗(yàn)中首先在weka平臺(tái)上用兩種算法對草藥數(shù)據(jù)集進(jìn)行分類，然后再對這兩種算法的分類精度進(jìn)行對比，實(shí)驗(yàn)表明：在實(shí)驗(yàn)數(shù)據(jù)集為輸入樣本集的情況下，AdaboostM1算法的分類精度比較高。

二、平臺(tái)WEKA簡介

WEKA全稱Waikto Environlnent for Knowledge Analysis，即懷卡托智能分析環(huán)境的縮寫，是一款免費(fèi)的非商業(yè)化的機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘軟件[1]。該平臺(tái)是用JAVA語言編寫，故有很好的可移植性，研究人員可以根據(jù)自己的研究對平臺(tái)里面已經(jīng)存在的傳統(tǒng)的經(jīng)典算法進(jìn)行修改，使得修改后的算法適合自己的研究領(lǐng)域。

該平臺(tái)對所有的機(jī)器學(xué)習(xí)及數(shù)據(jù)挖掘分析領(lǐng)域的研究愛好者開放，經(jīng)過這些研究者和愛好者的補(bǔ)充，WEKA平臺(tái)的內(nèi)容及里面的經(jīng)典算法在原有的基礎(chǔ)上得到了很大的擴(kuò)充，特別是優(yōu)秀的算法在Weka上基本上都能找的到，為研究者提供了良好的實(shí)驗(yàn)條件。

三、在Weka上用AdaBoost算法及幾種單分類算法對草藥數(shù)據(jù)進(jìn)行分類

本文所進(jìn)行的實(shí)驗(yàn)在Weka3-7-1平臺(tái)上完成，用三種草藥三七、人參、西洋參的指紋圖譜數(shù)據(jù)作為實(shí)驗(yàn)的數(shù)據(jù)集。

本實(shí)驗(yàn)對數(shù)據(jù)集采用5重交叉驗(yàn)證，然后取其分類精度做為最終的分類性能，則其分類精度體現(xiàn)了它的分類性能，分類精度越高表示分類性能越好。

multiclassclassifier的參數(shù)設(shè)置如下：

基分類器為decisionstump，randomwidthfactor是2.0，seed為1，其他的為默認(rèn)參數(shù)設(shè)置。

AdaboostM1的參數(shù)設(shè)置如下：

基分類器為decisionstump，numiteration為10，seed為1，weightThresold為100。

之后執(zhí)行RUN界面的START指令，再進(jìn)入ANALYSE界面載入文件選擇分析分類精度，可得到這些算法的平均分類精度如表1所示。

四、實(shí)驗(yàn)結(jié)果與分析

從表1可以看出，在實(shí)驗(yàn)的中草藥數(shù)據(jù)集中，AdaBoostM1算法的分類精度大于multiclassclassifier算法的分類精度。

五、結(jié)論

綜上所述，在中草藥分類領(lǐng)域，在與multiclassclassifier算法比較下，可以利用AdaBoostM1算法來提高傳統(tǒng)分類器算法的分類精度，使用AdaBoostM1算法來進(jìn)行草藥數(shù)據(jù)集的分類以達(dá)到高的精度。

參 考 文 獻(xiàn)

[1] Witten，1.H.and Frank，E.Data Mining practical machine leaning tool sand techniques，second edition. 北京，機(jī)械工業(yè)出版社，2006