标签:函数 code 数据 概念 agg 计算 分类方法 定义 算法
Boosting分类方法,其过程如下所示:
先通过对N个训练数据的学习得到第一个弱分类器h1;
将h1分错的数据和其他的新数据一起构成一个新的有N个训练数据的样本,通过对这个样本的学习得到第二个弱分类器h2;
将h1和h2都分错了的数据加上其他的新数据构成另一个新的有N个训练数据的样本,通过对这个样本的学习得到第三个弱分类器h3;
最终经过提升的强分类器h_final=Majority Vote(h1,h2,h3)。即某个数据被分为哪一类要通过h1,h2,h3的多数表决。
上述Boosting算法,存在两个问题:
如何调整训练集,使得在训练集上训练弱分类器得以进行。
如何将训练得到的各个弱分类器联合起来形成强分类器。
标签:函数 code 数据 概念 agg 计算 分类方法 定义 算法
原文地址:https://www.cnblogs.com/linyk/p/13303219.html