集成學習——Boosting之Ada-boost

1.1.1. Boosting boosting是一個迭代的過程，用於自適應地改變訓練樣本的分佈，使得基分類器聚焦在那些很難分的樣本上。算法 boosting會給每一個訓練樣本賦予一個權值，並且能夠再每輪提高過程結束時自動地調整權值。開始時，全部的樣本都賦予相同的權值1/N，從而使得它們被選做訓練的可能性都同樣。根據訓練樣本的抽樣分佈來抽取樣本，獲得新的樣本集。而後，由該訓練集概括一個分類器，並用

>>阅读原文<<