AdaBoost 算法：回归问题

前言

在《统计学习方法》这本书中介绍了基于分类问题的AdaBoost方法，其中更新样本权重采用的是$y_i!=G(x_i)$，其实当时就思考这样一个问题：如果用于回归任务，那么这个更新样本权重该如何计算？本文基于此问题展开讨论。对此问题有疑问的请参考博客提升方法（boosting）和AdaBoost详解
。

AdaBoost 回归算法

我们都知道回归预测得到的结果是数值，比如 房子价格，每一个房产样本都有一个房产价格，这个价格是一个数值，不同的房产价格可能是不一样的，且价格繁多，不像分类问题，类别较固定，所以使用AdaBoost算法做回归问题时不能单单的用分类问题的AdaBoost 算法，其重点在于如何更新样本权重及分类器权重，参考资料有如下一种思路：

• 首先聊聊误差率问题，对于第m个若学习器，计算它在训练集上的最大误差：
  $$E_m=max|y_i-G_m(x_i)|$$
  为什么不取全体样本误差总值？
• 计算每个样本的相对误差：
  $$e_{mi}=\frac{|y_i-G_m(x_I)|}{E_m}$$
  也可以用平方误差：
  $$e_{mi}=\frac{|y_i-G_m(x_I){|}^2}{E_m^2}$$
• 得到最终得到第m个弱分类器的误差率：
  $$e_m=\sum _{i=1}^N{w}_{mi}{e}_{mi}$$
• 由此得到弱学习器权重系数：
  $$a_m=\frac{e_m}{1-e_m}$$

这里有一个问题，$e_m$一定小于1嘛。

• 样本权重更新公式为：
  $$w_{m+1,i}=\frac{w_{mi}}{Z_m}{a}_m^{1-e_{mi}}$$
  其中$Z_m$是一个规范化因子：
  $$Z_m=\sum _{i=1}^N{w}_{mi}{a}_m^{1-e_{mi}}$$
  这有点像样本误差除以所有误差，计算当个样本误差占比，这个用来作为样本权重。
• 最后是结合策略，和分类问题稍有不同，采用的是对加权的弱学习器取中位数的方法，最终的强回归器为：
  $$\begin{array}{rl}f(x)& =\sum _{m=1}^M(ln(\frac{1}{a_m}))g(x)\\ & =[\sum _{m=1}^M(ln(\frac{1}{a_m}))]g(x)\end{array}$$
  其中，$g(x)$是所有$a_m{G}_m(x)，m=1,2,...,M$的中位数，这样分析，那么在上述公式中对于$m$的不同取值$g(x)$都是相同的分类器，只不多是前面的权重不同而已。感觉取中位数的依据是什么呢？取中位数的时候分类器是不是先排序？难道是按照训练分类器的先后顺序？其他分类器的权重相加也有点看不懂依据？继续参考其他博客
• 当然有些博客采用分类问题的加权平均法：
  $$f(x)=\sum _{m=1}^M(ln\frac{1}{a_m})G_m(x)$$
  加权平均法比较好理解，这里你也可以定义自己的组合策略

参考博客

adaboost做回归预测的时候，是怎么调整样本权重的？
机器学习校招笔记3:集成学习之Adaboost