前向分步算法(forward stagewise algorithm)
2015-07-28 09:55
393 查看
算法:
输入:训练数据集 T={(x1,y1),(x2,y2),⋯,(xN,yN)};损失函数 L(y,f(x)) ;基函数集 {b(x;γ)};输出:加法模型 f(x) .
(1) 初始化 f0(x)=0
(2) 对 m=1,2,⋯,M
(a) 极小化损失函数(βm,γm)=argminβ,γ∑i=1NL(yi,fm−1(xi)+βb(xi;γ))得到参数 βm,γm
(b) 更新fm(x)=fm−1(x)+βmb(x;γm) (3) 得到加法模型f(x)=fM(x)=∑m=1Mβmb(x;γm)
一点说明:
AdaBoost 算法可以认为是模型为加法模型、损失函数为指数函数、学习算法为前向分步算法的二类分类学习方法。相关文章推荐
- Golang网页下载示例
- 【Google】25匹马的角逐
- Django basic command
- hdu 4722 Good Numbers(数位dp)
- HDU 2092 整数解
- django 1.8 官方文档翻译: 3-6-1 中间件概览
- 谷歌注册多个与Google Play和 China相关域名
- Goldbach's Conjecture(哥德巴赫猜想)
- mongo安装副本集
- HDU 1512 Monkey King(左偏树+并查集)
- 在heroku上部署gost代理服务端
- chrome访问google的hosts文件设置,测试好用
- go语言常用函数:copy
- go语言常用函数:make
- go语言常用函数:cap
- Django实例--英文、数字与中文之间增加空格
- UVA 11090 Going in Cycle!! 环平均权值(bellman-ford,spfa,二分)
- 在Django框架中设置语言偏好的教程
- Django 学习 2 MODEL数据建模
- EGO下拉刷新的简单使用demo