组合分类器算法bagging和adaboostM1在中草药分类的研究

黄道+何晋+刘志愿+李峰

【摘要】 讨论了在中草药数据分类应用中以两种经典组合分类器算法bagging 和adaboostM1的分类性能的问题，在weka平台上实验可知，这两种经典组合分类器算法中adaboostM1的分类精度比较高。

【关键词】 中草药 AdaBoostM1 bagging

一、引言

基于AdBoost的中草药分类技术是以Adboost算法对传统单分类器算法的提升作用来更进一步提升分类效果。而bagging算法是传统的组合分类器算法，两者对单一的分类器的分类性能都有一定的提升。本文首先在weka平台上用两种经典组合分类器算法对草药数据集进行分类，然后再对这两种算法的分类精度进行对比，实验表明：在实验数据集为输入样本集的情况下，Adaboost算法的分类精度比bagging算法的分类精度高。

二、 AdaBoost 算法介绍

之后执行RUN界面的START指令，再进入ANALYSE界面载入文件选择分析分类精度，可得到这些算法的平均分类精度如表1所示。

四、实验结果与分析

从表1可以看出，在实验的中草药数据集中，AdaBoostM1算法的分类精度大于Bagging算法的分类精度。

五、结论

综上所述，在中草药分类领域，在与Bagging算法比较下，可以利用AdaBoostM1算法来提高传统分类器算法的分类精度，使用AdaBoostM1算法来进行草药数据集的分类以达到高的精度。

参 考 文 献

[1] 曹莹，苗启广，刘家辰，高琳. AdaBoost算法研究进展与展望[J]. 自动化学报，2013，06：745-758endprint

【摘要】 讨论了在中草药数据分类应用中以两种经典组合分类器算法bagging 和adaboostM1的分类性能的问题，在weka平台上实验可知，这两种经典组合分类器算法中adaboostM1的分类精度比较高。

【关键词】 中草药 AdaBoostM1 bagging

一、引言

基于AdBoost的中草药分类技术是以Adboost算法对传统单分类器算法的提升作用来更进一步提升分类效果。而bagging算法是传统的组合分类器算法，两者对单一的分类器的分类性能都有一定的提升。本文首先在weka平台上用两种经典组合分类器算法对草药数据集进行分类，然后再对这两种算法的分类精度进行对比，实验表明：在实验数据集为输入样本集的情况下，Adaboost算法的分类精度比bagging算法的分类精度高。

二、 AdaBoost 算法介绍

之后执行RUN界面的START指令，再进入ANALYSE界面载入文件选择分析分类精度，可得到这些算法的平均分类精度如表1所示。

四、实验结果与分析

从表1可以看出，在实验的中草药数据集中，AdaBoostM1算法的分类精度大于Bagging算法的分类精度。

五、结论

综上所述，在中草药分类领域，在与Bagging算法比较下，可以利用AdaBoostM1算法来提高传统分类器算法的分类精度，使用AdaBoostM1算法来进行草药数据集的分类以达到高的精度。

参 考 文 献

[1] 曹莹，苗启广，刘家辰，高琳. AdaBoost算法研究进展与展望[J]. 自动化学报，2013，06：745-758endprint

【摘要】 讨论了在中草药数据分类应用中以两种经典组合分类器算法bagging 和adaboostM1的分类性能的问题，在weka平台上实验可知，这两种经典组合分类器算法中adaboostM1的分类精度比较高。

【关键词】 中草药 AdaBoostM1 bagging

一、引言

基于AdBoost的中草药分类技术是以Adboost算法对传统单分类器算法的提升作用来更进一步提升分类效果。而bagging算法是传统的组合分类器算法，两者对单一的分类器的分类性能都有一定的提升。本文首先在weka平台上用两种经典组合分类器算法对草药数据集进行分类，然后再对这两种算法的分类精度进行对比，实验表明：在实验数据集为输入样本集的情况下，Adaboost算法的分类精度比bagging算法的分类精度高。

二、 AdaBoost 算法介绍

之后执行RUN界面的START指令，再进入ANALYSE界面载入文件选择分析分类精度，可得到这些算法的平均分类精度如表1所示。

四、实验结果与分析

从表1可以看出，在实验的中草药数据集中，AdaBoostM1算法的分类精度大于Bagging算法的分类精度。

五、结论

综上所述，在中草药分类领域，在与Bagging算法比较下，可以利用AdaBoostM1算法来提高传统分类器算法的分类精度，使用AdaBoostM1算法来进行草药数据集的分类以达到高的精度。

参 考 文 献

[1] 曹莹，苗启广，刘家辰，高琳. AdaBoost算法研究进展与展望[J]. 自动化学报，2013，06：745-758endprint