如何使用AdaBoost增强基于Keras的神经网络

Question

假设我拟合以下神经网络用于二值分类问题:

model = Sequential()
model.add(Dense(21, input_dim=19, init='uniform', activation='relu'))
model.add(Dense(80, init='uniform', activation='relu'))
model.add(Dense(80, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
# Fit the model
model.fit(x2, training_target, nb_epoch=10, batch_size=32, verbose=0,validation_split=0.1, shuffle=True,callbacks=[hist])

如何使用AdaBoost增强神经网络?keras有这样的命令吗?

Answer 1

可以这样做:首先创建一个模型(为了可再现性，将其作为一个函数):

def simple_model():                                           
    # create model
    model = Sequential()
    model.add(Dense(25, input_dim=x_train.shape[1], kernel_initializer='normal', activation='relu'))
    model.add(Dropout(0.2, input_shape=(x_train.shape[1],)))
    model.add(Dense(10, kernel_initializer='normal', activation='relu'))
    model.add(Dense(1, kernel_initializer='normal'))
    # Compile model
    model.compile(loss='mean_squared_error', optimizer='adam')
    return model

然后将其放入sklearn包装器中:

ann_estimator = KerasRegressor(build_fn= simple_model, epochs=100, batch_size=10, verbose=0)

然后，最后推动它:

boosted_ann = AdaBoostRegressor(base_estimator= ann_estimator)
boosted_ann.fit(rescaledX, y_train.values.ravel())# scale your training data 
boosted_ann.predict(rescaledX_Test)

Answer 2

Keras本身不实现adaboost。但是，Keras模型与scikit-learn兼容，因此您可能可以从那里使用AdaBoostClassifier: link。编译完成后使用model作为base_estimator，使用fit作为AdaBoostClassifier实例而不是model。

但是，通过这种方式，您将无法使用传递给fit的参数，例如epoch的数量或batch_size，因此将使用默认值。如果默认值不够好，您可能需要构建自己的类，该类在模型之上实现scikit-learn接口，并向fit传递适当的参数。

Answer 3

显然，神经网络与sklearn Adaboost不兼容，参见https://github.com/scikit-learn/scikit-learn/issues/1752