统计学习方法 例8.1 python实现

本文详细介绍了Adaboost算法的基本原理,并通过Python代码实现了一个Adaboost分类器。通过实例展示了如何训练Adaboost模型,以及如何评估和使用该模型进行预测,帮助读者深入理解Adaboost在统计学习中的应用。
摘要由CSDN通过智能技术生成
import numpy as np
W_1 = 0.1 * np.ones(10) # 初始权值
x = np.arange(10)       
y = np.array([1,1,1,-1,-1,-1,1,1,1,-1])
def G_1(x):
    """弱分类器1"""
    if x < 2.5:
        return 1
    else:
        return -1
print([G_1(xi) for xi in x])  # 分错3个
[1, 1, 1, -1, -1, -1, -1, -1, -1, -1]
def e(W, y, G):
    """计算分类误差"""
    e 
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值