Adaboost怎么做：SPSSAU软件操作步骤与结果指标解读.docxVIP

一、Adaboost所属模块

Adaboost在SPSSAU中属于【机器学习】模块。

二、方法概述

Adaboost是一类常用的集成学习方法，既能做分类，也能做回归。它通过不断加强对难分样本的关注来提升模型效果，适合用于预测建模、分类识别、变量重要性分析和多模型比较等场景。

三、变量设置规则

1.总体要求

Adaboost共需要设置2类变量，分别是分析项（X定量）和因变量Y。两类变量都为必填。

2.具体设置

（1）分析项（X定量）

●最少放入1个，最多可放入400个变量，且为必填。

●用于放入参与模型训练的输入特征，也就是用来解释或预测结果的定量变量。

（2）因变量Y

●只能放入1个变量，且为必填。

●用于放入模型最终要预测的目标变量。若Y为类别数据，通常对应分类任务；若Y为定量数据，通常对应回归任务。

四、参数设置及解释说明

1.训练集比例

●用于设置总样本中参与模型训练的比例，默认值为0.8。

●训练集比例越高，模型学习信息通常越充分；但测试集样本会相应减少。一般可先使用默认设置。

2.数据归一化

●可选None、norm、mas、mms。

●None表示不处理；norm表示正态标准化；mas表示区间化；mms表示归一化。

●如果不同变量之间量纲差异较明显，可考虑进行处理，以减少尺度差异带来的影响。

3.保存预测值

●勾选后会额外保存预测信息。

●