机器学习--Adaboost boosting思想算法流程为什么能收敛?理解 boosting思想 算法流程 1.考虑权值进去,初始化相等权值 2.给基本分类器加权值! 谁的误差率越小,谁的权值就越大! 3.更新样本权值 若样本预测错误,测样本的权值升高! 4.构建基本分类器的线性组合,得到最终分类器 为什么能收敛? 理解 bagging:基分类器相互独立 m*(均值/m) = 均值 m*(方差/m)^2 = 方差/m 故方差可以减小 boosting:基分类器基于之前的基分类器改进,可以减小偏差