集成学习——Boosting之Ada-boost

1.1.1. Boosting boosting是一个迭代的过程，用于自适应地改变训练样本的分布，使得基分类器聚焦在那些很难分的样本上。算法 boosting会给每一个训练样本赋予一个权值，并且能够再每轮提高过程结束时自动地调整权值。开始时，全部的样本都赋予相同的权值1/N，从而使得它们被选做训练的可能性都同样。根据训练样本的抽样分布来抽取样本，获得新的样本集。而后，由该训练集概括一个分类器，并用

>>阅读原文<<