标签：png 权重 模型 load src 分类器 训练 样本 组合
AdaBoost，是英文"Adaptive Boosting"（自适应增强）的缩写。
Adaboost算法的思想：在前一轮识别过程中识别错误的样本会在下一轮中提升权重，而那些识别正确的样本会降低权重。
Adaboost算法的原理：（1）将每个样本的权重进行初始化。每一个样本的权重相同（2）训练弱分类器。训练过程中，某个样本被准确分类，那么在构造下一个训练集中，它的权重就被降低；某个样本没有被准确分类，那么在构造下一个训练集中，它的权重就被提升。在这个过程中，会得到弱分类器对应的话语权。（3）更新权值后的样本集被用于训练下一个弱分类器。（4）将各个弱分类器组合成强分类器。分类误差率小的弱分类器的话语权较大，分类误差率大的弱分类器的话语权较小。
提升树是以分类树或者回归树为基本分类器的提升方法。
该算法实际上是前向分步算法的一个实现，在这个方法里，模型是加法模型，损失函数是指数损失，算法是前向分步算法。
前向分布算法：
标签：png 权重 模型 load src 分类器 训练 样本 组合
原文地址：https://www.cnblogs.com/hugrice/p/14675710.html
