实习设计-Adaboost训练预测

Adaboost（Adaptive Boosting）是一种自适应的学习算法，该算法在前一个基本分类器分错的样本会得到加权，加权后的全体样本再次被用来训练下一个基本分类器。同时，每一轮中都会加入一个新的弱分类器，直到该算法的效果达到某个预定的足够小的错误或达到预先指定的最大的迭代次数。最终，强分类器是联合所有基本分类器的线性组合。Adaboost算法的核心思想是将一些比较弱的分类方法合在一起，将多个分类方法得到的结果进行加权融合，从而获得非常好的分类效果。