機器學習之AdaBoost

        Adaptive Boosting（自適應增強）是一種迭代算法，它的主要思想是：每次迭代調整樣本的權重，並用更新過權重值的數據集訓練下一個弱學習器，直到達到某個預定的足夠小的錯誤率、或者達到指定的最大迭代次數之後，將各個弱學習器加權組合爲最終的強學習器。         該算法每次迭代改變的是樣本的權重（re-weighting），如果無法接受帶權樣本的基學習算法，則可進行重採樣法

>>阅读原文<<