本文详细探讨了Boosting算法，特别是Adaboost，包括其完整流程、错误加权的原理和实际应用。通过实例解析Adaboost的工作过程，阐述了为何在迭代中要提升误分类样本的权重，以期帮助读者深入掌握Boosting算法。
Boosting算法
Boosting的基本思想很简单，就是"三个臭皮匠顶个诸葛亮"。将若干个弱分类器（base Learner）组合起来，变成一个强分类器。
Adaboost算法及分析
1995年，Freund and schapire 提出了现在的Adaboost算法，其主要框架可以描述为：
（1）循环多次迭代
更新样本分布
寻找当前分布下的最优弱分类器
计算弱分类器误差率
（2）聚合多次训练的弱分类器
现在，随着boost算法的发展，出现了很多其他的boost算法，例如：logitboost算法，gentleboost算法等等。
完整的Adaboost算法
最低0.47元/天 解锁文章
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
