AdaBoost的一點記錄

AdaBoost通過每次訓練一個弱分類器並計算其錯誤率來更新樣本的權值，使得分類錯誤的樣本的權值更大，從而在下一次訓練時得到更多關注，對分類器的分類結果影響更大。 AdaBoost的算法流程： 在計算第 t 次迭代的錯誤率  時，要把樣本的權值考慮進去，更具體的， 其中  是第 i 個樣本在第 t 次迭代時的權值 ，即，當前弱分類器的錯誤率是預測錯誤的樣本的權值之和。根據公式，被分類錯誤樣本的權值

>>阅读原文<<