組合分類器算法bagging和adaboostM1在中草藥分類的研究

黃道+何晉+劉志愿+李峰

【摘要】 討論了在中草藥數據分類應用中以兩種經典組合分類器算法bagging 和adaboostM1的分類性能的問題，在weka平臺上實驗可知，這兩種經典組合分類器算法中adaboostM1的分類精度比較高。

【關鍵詞】 中草藥 AdaBoostM1 bagging

一、引言

基于AdBoost的中草藥分類技術是以Adboost算法對傳統單分類器算法的提升作用來更進一步提升分類效果。而bagging算法是傳統的組合分類器算法，兩者對單一的分類器的分類性能都有一定的提升。本文首先在weka平臺上用兩種經典組合分類器算法對草藥數據集進行分類，然后再對這兩種算法的分類精度進行對比，實驗表明：在實驗數據集為輸入樣本集的情況下，Adaboost算法的分類精度比bagging算法的分類精度高。

二、 AdaBoost 算法介紹

之后執行RUN界面的START指令，再進入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、實驗結果與分析

從表1可以看出，在實驗的中草藥數據集中，AdaBoostM1算法的分類精度大于Bagging算法的分類精度。

五、結論

綜上所述，在中草藥分類領域，在與Bagging算法比較下，可以利用AdaBoostM1算法來提高傳統分類器算法的分類精度，使用AdaBoostM1算法來進行草藥數據集的分類以達到高的精度。

參 考 文 獻

[1] 曹瑩，苗啟廣，劉家辰，高琳. AdaBoost算法研究進展與展望[J]. 自動化學報，2013，06：745-758endprint

【摘要】 討論了在中草藥數據分類應用中以兩種經典組合分類器算法bagging 和adaboostM1的分類性能的問題，在weka平臺上實驗可知，這兩種經典組合分類器算法中adaboostM1的分類精度比較高。

【關鍵詞】 中草藥 AdaBoostM1 bagging

一、引言

基于AdBoost的中草藥分類技術是以Adboost算法對傳統單分類器算法的提升作用來更進一步提升分類效果。而bagging算法是傳統的組合分類器算法，兩者對單一的分類器的分類性能都有一定的提升。本文首先在weka平臺上用兩種經典組合分類器算法對草藥數據集進行分類，然后再對這兩種算法的分類精度進行對比，實驗表明：在實驗數據集為輸入樣本集的情況下，Adaboost算法的分類精度比bagging算法的分類精度高。

二、 AdaBoost 算法介紹

之后執行RUN界面的START指令，再進入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、實驗結果與分析

從表1可以看出，在實驗的中草藥數據集中，AdaBoostM1算法的分類精度大于Bagging算法的分類精度。

五、結論

綜上所述，在中草藥分類領域，在與Bagging算法比較下，可以利用AdaBoostM1算法來提高傳統分類器算法的分類精度，使用AdaBoostM1算法來進行草藥數據集的分類以達到高的精度。

參 考 文 獻

[1] 曹瑩，苗啟廣，劉家辰，高琳. AdaBoost算法研究進展與展望[J]. 自動化學報，2013，06：745-758endprint

【摘要】 討論了在中草藥數據分類應用中以兩種經典組合分類器算法bagging 和adaboostM1的分類性能的問題，在weka平臺上實驗可知，這兩種經典組合分類器算法中adaboostM1的分類精度比較高。

【關鍵詞】 中草藥 AdaBoostM1 bagging

一、引言

基于AdBoost的中草藥分類技術是以Adboost算法對傳統單分類器算法的提升作用來更進一步提升分類效果。而bagging算法是傳統的組合分類器算法，兩者對單一的分類器的分類性能都有一定的提升。本文首先在weka平臺上用兩種經典組合分類器算法對草藥數據集進行分類，然后再對這兩種算法的分類精度進行對比，實驗表明：在實驗數據集為輸入樣本集的情況下，Adaboost算法的分類精度比bagging算法的分類精度高。

二、 AdaBoost 算法介紹

之后執行RUN界面的START指令，再進入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、實驗結果與分析

從表1可以看出，在實驗的中草藥數據集中，AdaBoostM1算法的分類精度大于Bagging算法的分類精度。

五、結論

綜上所述，在中草藥分類領域，在與Bagging算法比較下，可以利用AdaBoostM1算法來提高傳統分類器算法的分類精度，使用AdaBoostM1算法來進行草藥數據集的分類以達到高的精度。

參 考 文 獻

[1] 曹瑩，苗啟廣，劉家辰，高琳. AdaBoost算法研究進展與展望[J]. 自動化學報，2013，06：745-758endprint