Hungryof的专栏

总说AdaBoost 是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器，即弱分类器，然后把这些弱分类器集合起来，构造一个更强的最终分类器。(很多博客里说的三个臭皮匠赛过诸葛亮)先说说啥叫强/弱分类器： 弱学习算法—识别错误率小于1/2(即准确率仅比随机猜测略高的学习算法) 强学习算法—识别准确率很高并能在多项式时间内完成的学习算法算法正宗算法(先说明一下，如果看这块有点儿费劲的话，可

总说都知道条件概率吧： p(c|x)=p(x|c)p(c)p(x)p(c|x) = \frac{p(x|c)p(c)}{p(x)} 贝叶斯分类类似： p(ci|w)=p(w|ci)p(ci)p(w)p(c_i|\mathbf{w}) = \frac{p(\mathbf{w}|c_i)p(c_i)}{p(\mathbf{w})} 记忆方法：既然是用条件概率进行分类的，因此绝对是已知某件事情(w