AdaBoost 簡介【譯】

原文：AdaBoost 簡介 目前的集成學習（Ensemble Learning）方法大致可分爲兩類：一是個體學習器之間存在強依賴關係、必須串行生成的序列化方法，代表算法是Boosting；二是個體學習器之間不存在強依賴關係，可同時生成的並行方法，代表算法是 Bagging 和 「隨機森林（Random Forest）」。 首先要知道 AdaBoost(adaptive boosting) 算法是

>>阅读原文<<