Adaboost原理及例子

Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。 Adaboost是一种boosting提升方法，类似于将多个分类器串联在一起，组合成为一个强分类器。而bagging方法则类似于并联模式，将多个分类器并行组合成为一个强分类器，如随机森林Random Forest。 Adaboost模型 Ad

>>阅读原文<<