歸納遷移學習算法---Adaboost 算法實例解析四

在數據的挖掘和分析中，最基本和首要的任務是對數據進行分類，解決這個問題的常用方法是機器學習技術。通過使用已知實例集合中所有樣本的屬性值作爲機器學習算法的訓練集，導出一個分類機制後，再使用這個分類機制判別一個新實例的屬性，並且可以通過不間斷的學習，持續豐富和優化該分類機制，使機器具有像大腦一樣的思考能力。 常用的分類方法有決策樹分類、貝葉斯分類等。然而這些方法存在的問題是當數據量巨大時，分類的準確率

>>阅读原文<<