機器學習集成算法之Adaboost原理詳細解讀(推導填坑必看)

本文是基於劉建平老師的關於Adaboost的博文爲模板,就其中損失函數的推導部分加以細化。網上基本所有關於Adaboost推導過程中都有假設: w k i ’ = w k i w_{ki}^{’} =w_{ki} wki’​=wki​,個人之前在看到這一步的時候總是理解不了這個假設的由來,網上也一直找不到相關的解釋。本文的推導過程就捨棄這個假設,並詳細推導了兩者之間到底是什麼關係。 如果對基本原理
相關文章
相關標籤/搜索