adaboost

标签：根据   一个   针对   bsp   log   分类   产生   不同的   函数   

Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。

过程：

首先对于向量{XT,y},给定初始权值1/N，目标函数 y=sign(amGm(x)),其中am初始为1，首次Gm(x)可以凭经验给出。Gm(x)->{-1,1}

根据错误样本个数得出 em=(错误样本个数)/总样本个数

am=1/2log( (1-em)/em ) 解出am

wm+1=wm/Zm exp(-amyiGm(xi))

更新wm，

继续迭代直至没有错误样本产生。

得出最终结果

y=sign(akGk(x)+.....+a1G1(x))

adaboost

标签：根据   一个   针对   bsp   log   分类   产生   不同的   函数   

原文地址：https://www.cnblogs.com/yangyang12138/p/12023500.html