boosting&Adaboost

Boosting是一项从多个弱分类器中构建强分类器的集成预测技术。它从训练数据中构建模型，然后通过修正前一个模型的错误创造出第二个模型。以此类推，模型不断叠加，直至能够完美预测训练数据集，或达到可添加的模型的数量上限。 在针对二元分类所开发的boosting算法中，AdaBoost是第一个成功的。（AdaBoost算法与决策树一起工作） 注意，这里Adaboost只能用于二分类，如果想应用与多分类

>>阅读原文<<