关于adaboost
2017-01-17 13:10
211 查看
adaboost的全称是adaptive boosting—-自适应增强。
增强体现在速度快,因为误差的收敛不是呈线性,而是以指数速度下降的,具体的公式推导可参见http://download.csdn.net/detail/ironflood/9692331?locationNum=7&fps=1
adaboost的算法流程分三步:
1. 初始化训练数据的权值分布。1/N
2. 训练弱分类器。降低被正确分类样本的权值,增加没有被准确分类样本的权值。迭代
3. 将所有弱分类器组合成强分类器。加大准确率高的分类器的权值,反之降低。
链接中有实例,可以试一下。
增强体现在速度快,因为误差的收敛不是呈线性,而是以指数速度下降的,具体的公式推导可参见http://download.csdn.net/detail/ironflood/9692331?locationNum=7&fps=1
adaboost的算法流程分三步:
1. 初始化训练数据的权值分布。1/N
2. 训练弱分类器。降低被正确分类样本的权值,增加没有被准确分类样本的权值。迭代
3. 将所有弱分类器组合成强分类器。加大准确率高的分类器的权值,反之降低。
链接中有实例,可以试一下。
相关文章推荐
- 关于ADABOOST人脸检测
- 【转】关于adaboost分类器的一点看法
- 关于Adaboost强分类器的训练
- 关于adaboost的个人理解
- 关于Adaboost强分类器的训练
- 关于ADABOOST人脸检测负样本的选取
- 关于adaboost分类器的一点看法
- Machine Learning --- Boosting & AdaBoost & Bootstrap
- Gradient boost adaboost简单区别
- Adaboost
- Adaboost人脸检测介绍(都是大白话)
- python adaboost的简单实现
- adaboost原理和example
- 机器学习各个算法4--boosting,adaboost
- 目标检测之人头检测(HaarLike Adaboost)---高密度环境下行人检测和统计
- AdaBoost中利用Haar特征进行人脸识别算法分析与总结2——级联分类器与检测过程
- Java 机器学习库Smile实战(二)AdaBoost
- OpenCV中的Haar+Adaboost(五):AdaBoost之DAB与GAB
- Adaboost原理、算法以及应用
- 集成学习原理:Adaboost