Asan28的博客

原创 Adaboost流程梳理

一般地说，Adaboost中每个弱分类器都是单层决策树。 基本思想如下： 第一步使得所有样本点等权重，寻找最优的判定阈值θ1\theta_1θ1​和分类方法（方向，也即大于该阈值为+1还是小于该阈值为+1）。在该单层决策树下得到误差ϵ1\epsilon_1ϵ1​。使用ϵ1\epsilon_1ϵ1​可以计算出该分类器在最后所有分类器加权时的权重：α1=12∗log(1−ϵ1ϵ1)\alpha_1= \frac{1} {2} *log(\frac {1-\epsilon_1} {\epsilon_1})α1​