Adaboost原理简析
2017-04-24 20:18
218 查看
关于Adaboost的原理和简单介绍在下面论文中:
http://www.cnblogs.com/harvey888/p/5505511.html
1、由多个弱分类器的决策形成最终的分类器
2、错误分类的样本权值加重,正确分类的样本权值减轻
3、分类器的分类错误概率是错误分类样本的权值之和
4、由错误分类概率求得该分类器在最终分类器中的权值
5、由错误分类概率和最终分类器中的权值共同决定更新样本的权值
6、错误分类概率越小,在最终分类器中的权重越大,由对数函数决定
7、样本权重更新中,错误分类的样本权重加大,由指数函数决定
http://www.cnblogs.com/harvey888/p/5505511.html
1、由多个弱分类器的决策形成最终的分类器
2、错误分类的样本权值加重,正确分类的样本权值减轻
3、分类器的分类错误概率是错误分类样本的权值之和
4、由错误分类概率求得该分类器在最终分类器中的权值
5、由错误分类概率和最终分类器中的权值共同决定更新样本的权值
6、错误分类概率越小,在最终分类器中的权重越大,由对数函数决定
7、样本权重更新中,错误分类的样本权重加大,由指数函数决定
相关文章推荐
- 转:Adaboost 算法的原理与推导
- 随机森林,GBDT,Adaboost原理及python实现
- AdaBoost人脸检测原理
- AdaBoost人脸检测原理
- AdaBoost检测原理
- Adaboost原理、应用
- adaboost原理和example
- AdaBoost人脸检测原理
- Adaboost原理、算法以及应用
- adaboost原理(包含权重详细解释)
- AdaBoost人脸检测原理【转摘】
- adaboost原理(包含权重详细解释)
- adaboost原理和实现
- AdaBoost代码理解算法的原理
- AdaBoost人脸检测原理
- [机器学习]-Adaboost提升算法从原理到实践
- AdaBoost原理,算法实现
- AdaBoost--从原理到实现
- AdaBoost人脸检测原理
- adaboost训练——强分类器训练原理