决策树的优点： 一、 决策树易于理解和解释.人们在通过解释后都有能力去理解决策树所表达的意义。 二、 对于决策树，数据的准备往往是简单或者是不必要的.其他的技术往往要求先把数据一般化，比如去掉多余的或者空白的属性。 三、 能够同时处理数据型和常规型属性。其他的技术往往要求数据属性的单一。 四、 决策 ...
分类：
编程语言 时间：
2018-12-20 10:30:53
阅读次数：
388
boosting:加权组合多个分类器adaBoosting：隶属于boosting加权组合多个分类器训练单个分类器的时候通过提高预测错误的样本的权重来提高单个分类器的预测准确率
分类：
其他好文 时间：
2016-12-20 21:29:31
阅读次数：
139
Jackknife，Bootstraping, bagging, boosting, AdaBoosting, Rand forest 和 gradient boosting 这些术语，我经常搞混淆，现在把它们放在一起，以示区别。(部分文字来自网络，由于是之前记的笔记，忘记来源了，特此向作者抱歉） ...
分类：
其他好文 时间：
2016-05-13 17:04:00
阅读次数：
182
在学习AdaBoosting和online Boosting, 最好有bagging和boosting基础，这样看起来比较会比较顺。有空再补上。AdaBoost 算法的主要思想之一就是在训练集上维护一套权重分布,初始化时 ,Adaboost 为训练集的每个训练例指定相同的权重 1/m。接着调用弱学习...
分类：
其他好文 时间：
2016-01-24 11:39:31
阅读次数：
470
引自http://blog.csdn.net/xianlingmao/article/details/7712217Jackknife，Bootstraping,
bagging, boosting, AdaBoosting, Rand forest 和 gradient boosting这些术语，...
(转载请注明出处：http://blog.csdn.net/buptgshengod)
1.背景
上一节学习支持向量机，感觉公式都太难理解了，弄得我有点头大。不过这一章的Adaboost线比较起来就容易得多。Adaboost是用元算法的思想进行分类的。什么事元算法的思想呢？就是根据数据集的不同的特征在决定结果时所占的比重来划分数据集。就是要对每个特征值都构建决策树，并且赋予他们不同的...
分类：
编程语言 时间：
2014-05-07 06:48:25
阅读次数：
569
