[3]一副图系列boosting

boosting和bagging很像，重点是分类器通过串行训练得到，集中关注被分类器错分的数据来训练新分类器，分类器权重不相等。

即D1训练的分类器对橙色点分类效果不好，D2就会留心抓这些橙色的点来训练哦。

https://www.youtube.com/watch?v=GM3CDQfQ4sw

©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

  • 【总结】树类算法认知总结
    1.分类树与决策树的区别？ 分类树使用信息增益或增益比率来划分节点；每个节点样本的类别情况投票决定测试样本的类别。...
    徽hero兔阅读 1,105评论 0赞 2
  • Boosting
    链接:1. 线性回归总结2. 正则化3. 逻辑回归4. Boosting5. Adaboost算法 模型来源 提升...
    SUNFC阅读 1,170评论 0赞 0
  • 3.1.1.8 集成学习
    集成学习 原理 《机器学习》周志华 8.1 个体与集成 集成学习(ensemble learning) 通过构建并...
    hxiaom阅读 1,140评论 0赞 2
  • 机器学习实战-06-集成方法AdaBoost
    前面的文章已经介绍了五种不同的分类器，它们各有优缺点。我们可以很自然地将不同的分类器组合起来，而这种组合结果则被成...
    nobodyyang阅读 1,787评论 0赞 1
  • 千年等待·龙葵
    霜重露长，白茫茫，顾盼两难，唯有泪千行。热血抛红妆，广袖流仙今又是，换了霓裳。冷雪寒风，一把烈阳弓，妖邪休得近王兄...
    华黍阅读 291评论 0赞 1

友情链接更多精彩内容