Boosting集成學習方法-----機器學習

Boosting 之前的博文中我們提到過Boosting集成學習方法是個體學習器串行的序列化方法，這種方式中個體學習器存在強依賴的關係。 該方法的工作機制：我們先從初始的訓練集中訓練出一個基學習器，然後根據基學習器的表現對訓練樣本分佈進行調整，使得先前基學習器做錯的訓練樣本在後續受到更多的關注，然後基於調整後的樣本分佈來訓練下一個基學習器；如此反覆進行，直至基學習器數目達到了事先指定的值T，最後將

>>阅读原文<<