机器学习很多时候都是假设空间寻找一个函数使得
fθ(X):X→Y,θ∈Rn(1)
式中 X、Y 分别表示输入空间(或特征空间)和输出空间, Rn 表示参数空间。
但是,往往我们找到的函数,在测试集上未必可以表现出好的效果,泛化能力不见得强,如果我们可以构造一系列的弱学习器,将其线性组合起来,或许可以得到很强的泛化能力。这个想法被称作加法模型,表示如下:
机器学习很多时候都是假设空间寻找一个函数使得
式中 X、Y 分别表示输入空间(或特征空间)和输出空间, Rn 表示参数空间。
但是,往往我们找到的函数,在测试集上未必可以表现出好的效果,泛化能力不见得强,如果我们可以构造一系列的弱学习器,将其线性组合起来,或许可以得到很强的泛化能力。这个想法被称作加法模型,表示如下: