Boosting算法要涉及到两个部分,加法模型和前向分步算法。
加法模型就是说强分类器由一系列弱分类器线性相加而成。
errorRate < 0.6
alpha即每个分类器的系数
所以beta<1 ,即增大被分错的样本权重,减小正确的样本权重
可以看到,每一下次self.W都会更新跟下一个weaker分类器。
所以以下就非常好理解了
Boosting算法要涉及到两个部分,加法模型和前向分步算法。
加法模型就是说强分类器由一系列弱分类器线性相加而成。
errorRate < 0.6
alpha即每个分类器的系数
所以beta<1 ,即增大被分错的样本权重,减小正确的样本权重
可以看到,每一下次self.W都会更新跟下一个weaker分类器。
所以以下就非常好理解了