前向分步算法是一种计算方法,可以用于像提升方法这类由多个模型组合而成的模型的优化求解。
以AdaBoost为例是由多个弱分类器的线性组合而成的。前向分布算法可以是加法模型,也可以是其他模型。
AdaBoost算法的一种解释就是,即可以认为AdaBoost算法是模型为加法模型、损失函 数为指数函数、学习算法为前向分步算法时的二类分类学习方法。
下面以前向分步算法再来解释一遍AdaBoost算法:
考虑加法模型(additive model)
即就是AdaBoost中的每一轮的分类器,
前向分步算法是一种计算方法,可以用于像提升方法这类由多个模型组合而成的模型的优化求解。
以AdaBoost为例是由多个弱分类器的线性组合而成的。前向分布算法可以是加法模型,也可以是其他模型。
AdaBoost算法的一种解释就是,即可以认为AdaBoost算法是模型为加法模型、损失函 数为指数函数、学习算法为前向分步算法时的二类分类学习方法。
下面以前向分步算法再来解释一遍AdaBoost算法:
考虑加法模型(additive model)
即就是AdaBoost中的每一轮的分类器,