黃道+何晉+劉志愿+李峰

【摘要】 討論了在中草藥數(shù)據(jù)分類應(yīng)用中以兩種經(jīng)典組合分類器算法bagging 和adaboostM1的分類性能的問(wèn)題，在weka平臺(tái)上實(shí)驗(yàn)可知，這兩種經(jīng)典組合分類器算法中adaboostM1的分類精度比較高。

【關(guān)鍵詞】 中草藥 AdaBoostM1 bagging

一、引言

基于AdBoost的中草藥分類技術(shù)是以Adboost算法對(duì)傳統(tǒng)單分類器算法的提升作用來(lái)更進(jìn)一步提升分類效果。而bagging算法是傳統(tǒng)的組合分類器算法，兩者對(duì)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(tái)上用兩種經(jīng)典組合分類器算法對(duì)草藥數(shù)據(jù)集進(jìn)行分類，然后再對(duì)這兩種算法的分類精度進(jìn)行對(duì)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，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(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Bagging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Bagging算法比較下，可以利用AdaBoostM1算法來(lái)提高傳統(tǒng)分類器算法的分類精度，使用AdaBoostM1算法來(lái)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] 曹瑩，苗啟廣，劉家辰，高琳. AdaBoost算法研究進(jìn)展與展望[J]. 自動(dòng)化學(xué)報(bào)，2013，06：745-758endprint

【摘要】 討論了在中草藥數(shù)據(jù)分類應(yīng)用中以兩種經(jīng)典組合分類器算法bagging 和adaboostM1的分類性能的問(wèn)題，在weka平臺(tái)上實(shí)驗(yàn)可知，這兩種經(jīng)典組合分類器算法中adaboostM1的分類精度比較高。

【關(guān)鍵詞】 中草藥 AdaBoostM1 bagging

一、引言

基于AdBoost的中草藥分類技術(shù)是以Adboost算法對(duì)傳統(tǒng)單分類器算法的提升作用來(lái)更進(jìn)一步提升分類效果。而bagging算法是傳統(tǒng)的組合分類器算法，兩者對(duì)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(tái)上用兩種經(jīng)典組合分類器算法對(duì)草藥數(shù)據(jù)集進(jìn)行分類，然后再對(duì)這兩種算法的分類精度進(jìn)行對(duì)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，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(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Bagging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Bagging算法比較下，可以利用AdaBoostM1算法來(lái)提高傳統(tǒng)分類器算法的分類精度，使用AdaBoostM1算法來(lái)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] 曹瑩，苗啟廣，劉家辰，高琳. AdaBoost算法研究進(jìn)展與展望[J]. 自動(dòng)化學(xué)報(bào)，2013，06：745-758endprint

【摘要】 討論了在中草藥數(shù)據(jù)分類應(yīng)用中以兩種經(jīng)典組合分類器算法bagging 和adaboostM1的分類性能的問(wèn)題，在weka平臺(tái)上實(shí)驗(yàn)可知，這兩種經(jīng)典組合分類器算法中adaboostM1的分類精度比較高。

【關(guān)鍵詞】 中草藥 AdaBoostM1 bagging

一、引言

基于AdBoost的中草藥分類技術(shù)是以Adboost算法對(duì)傳統(tǒng)單分類器算法的提升作用來(lái)更進(jìn)一步提升分類效果。而bagging算法是傳統(tǒng)的組合分類器算法，兩者對(duì)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(tái)上用兩種經(jīng)典組合分類器算法對(duì)草藥數(shù)據(jù)集進(jìn)行分類，然后再對(duì)這兩種算法的分類精度進(jìn)行對(duì)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，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(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Bagging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Bagging算法比較下，可以利用AdaBoostM1算法來(lái)提高傳統(tǒng)分類器算法的分類精度，使用AdaBoostM1算法來(lái)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] 曹瑩，苗啟廣，劉家辰，高琳. AdaBoost算法研究進(jìn)展與展望[J]. 自動(dòng)化學(xué)報(bào)，2013，06：745-758endprint