AdaBoost算法及提升樹_第1頁
AdaBoost算法及提升樹_第2頁
AdaBoost算法及提升樹_第3頁
AdaBoost算法及提升樹_第4頁
AdaBoost算法及提升樹_第5頁
已閱讀5頁，還剩12頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、提升方法（Boosting）方法的思想： 改變訓練樣本的權重（改變訓練數(shù)據(jù)的概率分布）學習多個分類器，將分類器進行線性組合，提高分類性能。1需要解決的問題如何在每一輪改變訓練數(shù)據(jù)的權值如何將弱分類器組合成一個強分類器2AdaBoost算法的解決方案如何在每一輪改變訓練數(shù)據(jù)的權值 提高前一輪弱分類器錯誤分類樣本的權值，降低被正確分類樣本的權值如何將弱分類器組合成強分類器 增加分類誤差率小的弱分類器的權值，使其起較大的決定作用，同時減小分類誤差率大的弱分類器的權值。3AdaBoost算法4系數(shù)5權值更新當正確分類時， ，相應的權值會降低，相反相應的權值會增大6AdaBoost誤差分析AdaBoos

2、t算法最終分類器的訓練誤差界為7AdaBoost誤差分析對于二分類問題AdaBoost訓練誤差界為其中8不等式的證明，等價于證明只需證明采用做差、求導的方法即可證明上式說明，AdaBoost的訓練誤差是以指數(shù)速率下降的！AdaBoost誤差分析910前向分步算法AdaBoost算法中的基本分類器的線性組合為這是一個加法模型。在給定訓練數(shù)據(jù)及損失函數(shù)L(y,f(x)條件下，學習加法模型f(x)成為損失函數(shù)極小化問題11前向分步算法但是求解這個問題非常復雜。而前向分步算法的思想是每次只學習一組參數(shù)，保證每一輪都最優(yōu)，然后逐步逼近最優(yōu)目標函數(shù)，即注意前后兩個公式的差別12前向分步算法定理8.3的證明中，8.21、8.22。13提升樹模型以決策樹為基函數(shù)的提升方法稱為提升樹。二叉分類樹二叉決策樹14提升樹算法仍然采用前向分步算法不同問題的提升樹學習算法，主要區(qū)別在于使用損失函數(shù)不同比如回歸樹，采用平方誤差損失函數(shù)，因此引

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論