Adaboost

AdaBoost :

from sklearn.ensemble import AdaBoostClassifier
ac = AdaBoostClassifier()
ac.fit(X, y)
y2 = ac.predict(X2)

ac.score(X2, y2) : donne l'accuracy de la prédiction faite avec X2 par rapport à la réalité y2 (équivalent à accuracy_score(ac.predict(X2), y2)
les principaux paramètres sont :
- n_estimators : le nombre d'arbres à utiliser (par défaut 50)
- learning_rate : règle la contribution de chaque classifieur élémentaire. Par défaut, 1.
ac.predict_proba(X2) : donne une array 2 x n (si 2 classes et n individus qui donne pour chaque classe sa probabilité.
ac.predict_log_proba(X2) : la même chose que predict_proba, mais en donnant le log (à base e) de la probabilité.

programmer en python, tutoriel python, graphes en python, Aymeric Duclert