Boosting总结

  Boosting是集成学习中的一大类方法,它是一种“串行”的机器学习方法,即从初始训练集中训练出一个基学习器,再根据基学习器的表现对训练样本分布进行调整,使得先前学习错的训练样本在后续中受到更多关注,然后基于调整后的样本分布来训练下一个基学习器,每个基学习器之间是输入-输出的关系,如此重复进行,直至基学习器的数目达到事先指定的值T,最终将这T个学习器进行加权结合。         对于Boos
相关文章
相关标签/搜索