①对所有训练集初始化相等的样本权重
D=[d1,d2,...dn]
n为数据集的总数
②将带有初始化权重的数据集送入基本分类器中训练
fm(X)
,计算分类器误差率
em=p(fm(xi)≠yi)=∑ni=1(fm(xi)≠yi)n
,其中,X表示所有数据集,m表示第m个基本分类器,假设一共有M个基本分类器。
③根据分类器的误差率,计算该分类器的系数
am=12ln1−emem
④根据分类器的误差率,更新样本权重。(采取惩罚那些分类真确的样本,奖励那些分类错误的样本的原则)
⑤ 构建基本分类器的线性组合
F(X)=∑Mm=1amfm(X)
⑥ 得到最终的强分类器G(X)
G(X)=sign(F(X))
手推adaBoost
最新推荐文章于 2022-11-22 18:50:02 发布