boosting&Adaboost

Boosting是一項從多個弱分類器中構建強分類器的集成預測技術。它從訓練數據中構建模型，然後通過修正前一個模型的錯誤創造出第二個模型。以此類推，模型不斷疊加，直至能夠完美預測訓練數據集，或達到可添加的模型的數量上限。 在針對二元分類所開發的boosting算法中，AdaBoost是第一個成功的。（AdaBoost算法與決策樹一起工作） 注意，這裏Adaboost只能用於二分類，如果想應用與多分類

>>阅读原文<<