shilx544的博客

原创 集成学习——Boosting总结

Boosting是集成学习中的一大类方法，它是一种“串行”的机器学习方法，即从初始训练集中训练出一个基学习器，再根据基学习器的表现对训练样本分布进行调整，使得先前学习错的训练样本在后续中受到更多关注，然后基于调整后的样本分布来训练下一个基学习器，每个基学习器之间是输入-输出的关系，如此重复进行，直至基学习器的数目达到事先指定的值T，最终将这T个学习器进行加权结合。        对于Boost