标签:bubuko img png 训练 str 更新 分享图片 boosting 技术
Adaboost(Adaptive Boosting 自适应增强的缩写)
自适应表现及思路:前一个基本分类器分错的样本会得到加强,加权后的全体样本再次被用到来训练下一个基本分类器,同时,在每一轮中加入一个新的弱分类器,直达到某个预定的足够小的错误率或预先指定的最大迭代次数
算法流程:
1)初始化训练数据的权值分布,每个样本权值相同1/N
3) 训练弱分类器(分类器可以是决策树,等等自己选择),计算误差率(误分类样本权值之和),计算该分类器权重(即改分类器重要程度)使得分类误差率越小的分类器权重大,误差率大的分类器权重小。更新样本权重,使得误分类样本的权值增大,正确分类的样本权值减小。
4) 重复3)直达到某个预定的足够小的错误率或预先指定的最大迭代次,最终分类器,是各个弱分类器与各自权重积的和,在经过sign函数
标签:bubuko img png 训练 str 更新 分享图片 boosting 技术
原文地址:https://www.cnblogs.com/yinghuali/p/9254233.html