adaboost分类流程

2016-09-08 23:40:39 0 举报
仅支持查看
Adaboost是一种集成学习方法,它通过迭代训练一系列的弱分类器,并将这些弱分类器的结果进行加权融合,最终得到一个强分类器。在每一轮迭代中,首先从数据集中随机抽取一部分样本作为训练集,然后根据当前样本的权重计算出每个弱分类器的得分,选择得分最高的弱分类器作为本轮迭代的结果。接着更新样本的权重,使得之前被错误分类的样本在下一轮迭代中得到更多的关注。最后将所有弱分类器的结果按照权重进行加权融合,得到最终的强分类器。Adaboost具有简单、高效的特点,适用于二分类和多分类问题。
作者其他创作
大纲/内容
评论
0 条评论
下一页