CS_ALearn/ailearning
1
0
Fork 0
mirror of https://github.com/apachecn/ailearning.git synced 2026-06-30 02:06:14 +08:00
Code Issues Projects Releases Wiki Activity

更新AdaBoost算法

Browse Source
This commit is contained in:
jiangzhonglian
2017-07-10 16:42:52 +08:00
parent ea3231b6b4
commit c701ebebbd
4 changed files with 58 additions and 52 deletions
Download Patch File Download Diff File Expand all files Collapse all files

6
docs/7.1.利用AdaBoost元算法提高分类.md
View File

@@ -11,7 +11,7 @@
机器学习处理问题时又何尝不是如此？ 这就是元算法(meta-algorithm)背后的思想。
* 集成方法： 1. 投票选举 2. 再学习
> bagging：基于数据随机重抽样的分类起构造方法
> bagging：基于数据随机重抽样的分类器构造方法
* 自举汇聚法(bootstrap aggregating)，也称为bagging方法，是在从原始数据集选择S次后得到S个新数据集的一种技术。
1. 新数据集和原数据集的大小相等。
@@ -71,7 +71,7 @@
```
发现：
alpha目的主要是计算每一个分类器实例的权重(组合就是分类结果)
分类的权重值：最大的值，为alpha的加和，最小值为-最大值
分类的权重值：最大的值=alpha的加和，最小值=-最大值
D的目的是为了计算错误概率： weightedError = D.T*errArr，求最佳分类器
特征的权重值：如果一个值误判的几率越小，那么D的特征权重越少
```
@@ -92,6 +92,8 @@ D的目的是为了计算错误概率： weightedError = D.T*errArr，求最佳
如果错误率等于0.0，则退出循环
```
![AdaBoost代码流程图](/images/7.AdaBoost/adaboost_code-flow-chart.jpg "AdaBoost代码流程图")
## 处理非均衡分类问题
> 概念