第8章 adaboost
分类算法,通过改变训练样本的权重,学习多个分类器,并将这些分类器线性组合,提高分类的性能。
在每一轮如何改变训练数据的权值或概率分布
如果将弱分类器组成一个强分类器
Adaboosting: 1. 提高那些在前一轮分类器错误分类的样本的权值,降低那些被正确分类的样本的权值。 2. 加权多数表决法。分类误差率小的弱分类器的权值大,分类误差率大的弱分类器的权值小。
Last updated
分类算法,通过改变训练样本的权重,学习多个分类器,并将这些分类器线性组合,提高分类的性能。
在每一轮如何改变训练数据的权值或概率分布
如果将弱分类器组成一个强分类器
Adaboosting: 1. 提高那些在前一轮分类器错误分类的样本的权值,降低那些被正确分类的样本的权值。 2. 加权多数表决法。分类误差率小的弱分类器的权值大,分类误差率大的弱分类器的权值小。
Last updated