AdaBoost简介及Python应用

本文共418个字,预计阅读时间需要2分钟。

AdaBoost

AdaBoost集合了多个多分类器,采用加权多数表决的方法,加大分类误差率小的弱分类器的权重,减小分类误差率大的弱分类器的权重。

AdaBoost的一般流程

(1)收集数据:可以适用任意方法
(2)准备数据:依赖于所使用的弱分类器类型
(3)分析数据:可以使用任意方法
(4)训练算法:AdaBoost的大部分时间都用在训练上,分类器将多次在同一数据集上训练弱分类器
(5)测试算法:计算分类的错误率
(6)使用算法:同SVM一样,AdaBoost预测两个类别中的一个。

算法流程

训练样本(李航 统计学习方法)

需要用到的若分类器为x < v或 x > v

序号 1 2 3 4 5 6 7 8 9 10
x 0 1 2 3 4 5 6 7 8 9
y 1 1 1 -1 -1 -1 1 1 1 -1

Python实现

 

结果

参考

https://blog.csdn.net/u013859301/article/details/79483126

 

读者评分
[评分人数: 0 平均分: 0]

评论

OmegaXYZ