zoukankan      html  css  js  c++  java
  • Boost家族

    大师Yoav Freund在文章《A decision-theoretic generalization of on-line leanring and an application to boosting》

    AdaBoost.M1(adaBoost的多分类版本号)

    —————————————————————————————————————————————————————

    设序列,当中的标签。。且服从分布。设为循环次数(弱分类器的个数)。

    初始化序列的权重

    1.归一化:

    2.依照概率分布,对序列进行抽样分布,形成第次循环的训练数据集,得到弱分类器:

    3.计算弱分类器在数据集的错误率。假设,令,且跳出循环。

    4.注:)。

    5.令新的权重:

    注:我们发现对于分类正确的序列,它的权重降低,分类错误的序列,权重增大

    循环结束后,输出分类器映射:


    _______________________________________________________________________________________________________________________________

    ________________________________________________________________________________________________________________________________

    大师 JerRome Friedman、Tervor Hastie、Robert Tibshirani在文章《Additive Logistic Regression :a Statistical View of Boosting》,对AdaBoost.M1的二分类版本号,做了更加清晰的描写叙述。即:

    Discrete AdaBoost(二分类)

    —————————————————————————————————————————————————————

    设序列,当中的标签,。且服从分布。

    1.初始化:是均匀分布,即的权重

    2.:

        (a):按概率分布对序列进行抽样分布,形成该次循环的训练数据集。然后得到弱分类器

        (b): 查看全文

  • 相关阅读:
    CodeForces 660D Number of Parallelograms
    【POJ 1082】 Calendar Game
    【POJ 2352】 Stars
    【POJ 2481】 Cows
    【POJ 1733】 Parity Game
    【NOI 2002】 银河英雄传说
    【NOI 2015】 程序自动分析
    【POJ 1704】 Georgia and Bob
    【HDU 2176】 取(m堆)石子游戏
    【SDOI 2016】 排列计数
  • 原文地址:https://www.cnblogs.com/slgkaifa/p/7390252.html
Copyright © 2011-2022 走看看