①起源:Boosting算法 Boosting算法的目的是每次基于全部数据集,通过使用同一种分类器不同的抽取参数方法(如决策树,每次都可以抽取不同的特征维度来剖分数据集) 训练一些不同弱分类器(单次分类错误率>0.5),然后将其组合起来,综合评估(默认认为每个分类器权重等价)进行分类. AdaBoost算法进行了对其进行了改进. 一.每次训练分类器时,给予每条数据用于计算误差的不同权重D. 二.每个分类器,给予用于分类的不同权重alpha. 两种权的使用,使得AdaBoost在组合分类器时,能够