![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Boosting
文章平均质量分 76
Guanxiong He
这个作者很懒,什么都没留下…
展开
-
多分类Adaboost
多分类Adaboost方法1)拆分为多个二分类的组合OVA方案:使用JJJ(类别数)个分类器,判断是否属于某一类AVA方案:使用(J∗(J−1))(J*(J-1))(J∗(J−1))个分类器,在任意两类之间做区分,投票决定分类缺点:使用分类器多,计算量大需要保证基分类器准确率大于12\frac1221,在多分类问题中条件苛刻2)将多分类器作为基分类器组合标签向量方法输出不再是单个数值,而是JJJ维向量,每一维度代表样本属于相应类别的可能程度在不同的方法中,区别主原创 2021-12-13 17:11:27 · 2291 阅读 · 0 评论 -
各版本Adaboost
各版本AdaboostAdaboost来源:Freund Y , Schapire R E . A desicion-theoretic generalization of on-line learning and an application to boosting[J]. Journal of Computer and System Sciences, 1997, 55:119-139.Adaboost最初版本针对二分类问题主要贡献是提出了每轮迭代自动调整样本分布的策略错误率ϵt\e原创 2021-12-13 15:40:51 · 234 阅读 · 0 评论