adaboost算法流程和證明-文庫吧
2025-03-23 05:05 本頁面
【正文】 確定每個樣本的權(quán)值。將修改過權(quán)值的新數(shù)據(jù)集送給下層分類器進(jìn)行訓(xùn)練，最后將每次訓(xùn)練得到的分類器最后融合起來，作為最后的決策分類器。使用Adaboost分類器可以排除一些不必要的訓(xùn)練數(shù)據(jù)特征，并將關(guān)鍵放在關(guān)鍵的訓(xùn)練數(shù)據(jù)上面。 Adaboost算法中不同的訓(xùn)練集是通過調(diào)整每個樣本對應(yīng)的權(quán)重來實(shí)現(xiàn)的。開始時，每個樣本對應(yīng)的權(quán)重是相同的，即其中 為樣本個數(shù)，在此樣本分布下訓(xùn)練出一弱分類器。對于分類錯誤的樣本，加大其對應(yīng)的權(quán)重；而對于分類正確的樣本，降低其權(quán)重，這樣分錯的樣本就被突出出來，從而得到一個新的樣本分布。在新的樣本分布下，再次對弱分類器進(jìn)行訓(xùn)練，得到弱分類器。依次類推，經(jīng)過次循環(huán)，得到個弱分類器，把這個弱分類器按一定的權(quán)重疊加(boost)起來，得到最終想要的強(qiáng)分類器。 Adaboost算法的具體步驟如下：設(shè)輸入的個訓(xùn)練樣本為：,其中是輸入的訓(xùn)練樣本，分別表
公司管理相關(guān)推薦
鄂ICP備17016276號-1