Adaboost算法原理与实践
16lz
2021-01-22
boosting算法
Adaboost算法是boosting(提升方法)的代表性方法。在分类问题中,boosting通过反复修改训练数据的权重分布,构建一系列的基本分类器 ,并将这些分类器线性组合构成强分类器。
Adaboost算法
对于不同的提升方法要考虑两个问题:
1. 如何在每一轮训练中改变训练数据的权重;
2. 如何组合弱分类器。
Adaboost在第一个问题中是通过提高前一轮弱分类器错误分类样本的 权重,降低正确样本的权重来解决问题的。这么做的话,在下一轮训练中,前一轮被错误分类的样本就能得到特殊关注。而第二个问题,弱分类器的组合则是根据分类错误率来决定的,这很好理解,分类错误率低的弱分类器应该具有更大的权重,最后将弱分类器加上权重线性组合即可。
现在描述Adaboost算法的具体过程。假设给定一个二类分类的训练数据集
1. 初始化权重分布(训练数据的权重):
2. 对
更多相关文章
- 《数据结构与算法Python语言描述》裘宗燕 笔记 第五章 栈和队列
- 八大经典排序算法基本思想及代码实现(插入排序,希尔排序,选择排序,
- Linux源码中的mktime算法解析
- sqlserver,mysql,oracle通用的模拟和改进的全文搜索算法
- SQL关键字转换大写核心算法实现
- Android开源 - Luban(鲁班)可能是最接近微信朋友圈的图片压缩算
- [置顶] android加密解密算法之3DES算法用例
- 算法 - 给出一个字符串str,输出包含两个字符串str的最短字符串,如
- java基础---一致性hash算法