Boosting
自提升算法 Adaboost
------一种串行算法
输入:训练数据集 { ( x 1 , y 1 ) , ( x 2 , y 2 ) , . . . , ( x N , y N ) } \{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\} {
(x1,y1),(x2,y2),...,(xN,yN)}
①、初始化采样权重 D = w 11 , . . . , w 1 N D={w_{11},...,w_{1N}} D=w11,...,w1N, w 1 i = 1 N w_{1i}=\frac{1}{N} w1i=N1.
②、对每个弱分类器( m = 1 , 2 , . . . , M m = 1,2,...,M m=1,2,...,M),用 D m D_m Dm采样训练样本上,在训练数据上获得弱分类器 G m ( x ) = ± 1 G_m(x)=±1 Gm(x)=±1。
③、计算加权错误率 e m = p ( G m ( x i ) ! = y i ) = ∑ i = 1 N w m i I ( G m ( x ) ! = y i ) e_m=p(G_m(x_i)!=y_i)=\sum_{i=1}^Nw_{mi}I(G_m(x)!=y_i) em=p(Gm(xi)!=yi)=∑i=1NwmiI(Gm(x)!=yi), α m = 1 2 l n 1 − e m e m \alpha_m=\frac{1}{2}ln\frac{1-e_m}{e_m} αm=21lnem1−em,识别器的权重。
④更新权重分布 D m + 1 = ( w m + 1 , 1 , . . . , w m + 1 , N ) , w m + 1 , i = w m , i Z m e x p { − α m y i G m ( x i ) } D_{m+1}=(w_{m+1,1},...,w_{m+1,N}),w_{m+1,i}=\frac{w_{m,i}}{Z_m} exp\{-\alpha_my_iG_m(x_i)\} Dm+1=(wm+1,1,...,wm+1,N),wm+1,i=Zmwm,iexp{
−αmyiGm(xi)}.