#?-*-?coding:?UTF-8?-*-
import?numpy?as?np
from?sklearn?import?tree


#?H?測試樣本分類結果
#?TrainS?原訓練樣本?np數組
#?TrainA?輔助訓練樣本
#?LabelS?原訓練樣本標簽
#?LabelA?輔助訓練樣本標簽
#?Test??測試樣本
#?N?迭代次數
def?tradaboost（trans_S?trans_A?label_S?label_A?test?N）:
????trans_data?=?np.concatenate（（trans_A?trans_S）?axis=0）
????trans_label?=?np.concatenate（（label_A?label_S）?axis=0）

????row_A?=?trans_A.shape[0]
????row_S?=?trans_S.shape[0]
????row_T?=?test.shape[0]

????test_data?=?np.concatenate（（trans_data?test）?axis=0）

????#?初始化權重
????weights_A?=?np.ones（[row_A?1]）?/?row_A
????weights_S?=?np.ones（[row_S?1]）?/?row_S
????weights?=?np.concatenate（（weights_A?weights_S）?axis=0）

????bata?=?1?/?（1?+?np.sqrt（2?*?np.log（row_A?/?N）））

????#?存儲每次迭代的標簽和bata值？
????bata_T?=?np.zeros（[1?N]）
????result_label?=?np.ones（[row_A?+?row_S?+?row_T?N]）

????predict?=?np.zeros（[row_T]）

????print?‘params?initial?finished.‘
????trans_data?=?np.asarray（trans_data?order=‘C‘）
????trans_label?=?np.asarray（trans_label?order=‘C‘）
????test_data?=?np.asarray（test_data?order=‘C‘）

????for?i?in?range（N）:
????????P?=?calculate_P（weights?trans_label）

????????result_label[:?i]?=?train_classify（trans_data?trans_label
????????????????????????????????????????????test_data?P）
????????print?‘result‘?result_label[:?i]?row_A?row_S?i?result_label.shape

????????error_rate?=?calculate_error_rate（label_S?result_label[row_A:row_A?+?row_S?i]
??????????????????????????????????????????weights[row_A:row_A?+?row_S?:]）
????????print?‘Error?rate:‘?error_rate
????????if?error_rate?>?0.5:
????????????error_rate?=?0.5
????????if?error_rate?==?0:
????????????N?=?i
????????????break??#?防止過擬合
????????????#?error_rate?=?0.001

????????bata_T[0?i]?=?error_rate?/?（1?-?error_rate）

????????#?調整源域樣本權重
????????for?j?in?range（row_S）:
????????????weights[row_A?+?j]?=?weights[row_A?+?j]?*?np.power（bata_T[0?i]
???????????????????????????????????????????????????????????????np.abs（result_label[row_A?+?j?i]?-?label_S[j]））

????????#?調整輔域樣本權重
????????for?j?in?range（row_A）:
????????????weights[j]?=?weights[j]?*?np.power（bata?（-np.abs（result_label[j?i]?-?label_A[j]）））
????#?print?bata_T
????for?i?in?range（row_T）:
????????#?跳過訓練數據的標簽
????????left?=?np.sum（
????????????result_label[row_A?+?row_S?+?i?int（np.ceil（N?/?2））:N]?*?np.log（1?/?bata_T[0?int（np.ceil（N?/?2））:N]））
????????right?=?0.5?*?np.sum（np.log（1?/?bata_T[0?int（np.ceil（N?/?2））:N]））

????????if?left?>=?right:
????????????predict[i]?=?1
????????else:
????????????predict[i]?=?0
????????????#?print?left?right?predict[i]

????return?predict


def?calculate_P（weights?label）:
????total?=?np.sum（weights）
????return?np.asarray（weights?/?total?order=‘C‘）


def?train_classify（trans_data?trans_label?test_data?P）:
????clf?=?tree.DecisionTreeClassifier（criterion=“gini“?max_features=“log2“?splitter=“random“）
????clf.fit（trans_data?trans_label?sample_weight=P[:?0]）

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件????????3442??2020-03-31?22:21??tradaboost.py