統計學習方法 第八章總結

集成方法主要包括：bagging和boosting思想 其中boosting的思想是：通過改變訓練樣本的權重（即改變訓練數據的概率分佈），學習多個分類器，並將這些分類器進行線性組合，提高分類的性能。 在概率近似正確（PAC）學習的框架下，一個概念是強可學習的充分必要條件是這個概念是弱可學習的。（不懂） adaboost： 解決了兩個問題： 每一輪，即每一個分類器，如何改變訓練數據的權值或概率分佈：

>>阅读原文<<