adaboost總結

Adaboost 是集成學習中的一類，弱分類器之間存在強依賴性，必須串聯。 標準Adaboost只能用於二分類 主要關注降低偏差: 原因：（具體原因可以參考bagging與boosting兩種集成模型的偏差bias以及方差variance 的理解） boosting 中的每個模型都是弱模型，偏差高（在訓練集上準確度低），方差低（防止過擬合能力強） 平均法了降低偏差。 boosting 的核心思想就

>>阅读原文<<