數(shù)據(jù)挖掘十大算法之Adaboost

數(shù)據(jù)挖掘十大算法之

AdaBoostAnexample給定如下表所示的訓(xùn)練數(shù)據(jù)：序號(hào)12345678910x0123456789y111-1-1-1111-1

AdaBoost算法AdaptiveBoostingAdaBoost主要思想：從弱學(xué)習(xí)算法出發(fā)，反復(fù)學(xué)習(xí)，得到一系列弱

分類器，然后組合這些弱分類器，構(gòu)成一個(gè)強(qiáng)

分類器。幾個(gè)概念

強(qiáng)可學(xué)習(xí)：在PAC學(xué)習(xí)的框架中，一個(gè)概念（類），如果存在一個(gè)多項(xiàng)式的學(xué)習(xí)算法能夠?qū)W習(xí)它，并且正確率很高，那么就稱這個(gè)概念是強(qiáng)可學(xué)習(xí)的弱可學(xué)習(xí)：在PAC學(xué)習(xí)的框架中，一個(gè)概念（類），如果存在一個(gè)多項(xiàng)式的學(xué)習(xí)算法能夠?qū)W習(xí)它，學(xué)習(xí)的正確率僅比隨機(jī)猜測(cè)略好，那么就稱這個(gè)概念是弱可學(xué)習(xí)的在PAC學(xué)習(xí)框架下，一個(gè)概念是強(qiáng)可學(xué)習(xí)的充分必要條件是這個(gè)概念是弱可學(xué)習(xí)的AdaBoost算法...弱分類器強(qiáng)分類器AdaBoost算法

AdaBoost算法弱分類器1AdaBoost算法權(quán)重增大弱分類器2AdaBoost算法權(quán)重增加AdaBoost算法弱分類器3AdaBoost算法最終的強(qiáng)分類器AdaBoost算法Anexample給定如下表所示的訓(xùn)練數(shù)據(jù)：序號(hào)12345678910x0123456789y111-1-1-1111-1AdaBoost算法

Adaboost算法最終分類器的錯(cuò)誤率是多少？

AdaBoost的目標(biāo)：最小化損失函數(shù)

AdaBoost算法在人臉檢測(cè)上的應(yīng)用參考文獻(xiàn)：P.ViolaandM.Jones.Robustreal-timefacedetection.IJCV57(2),2004.人臉檢測(cè)的目標(biāo)級(jí)聯(lián)分類器人臉檢測(cè)中的弱分類器

AdaBoost算法改進(jìn)參考文獻(xiàn)：Y.FreundandR.E.Schapire.Adecision-theoreticgeneralizationofon-linelearningandanapplicationtoboosting.JournalofComputerandSystemSciences,55(1):119–139,1997.Y.FreundandR.E.Schapire.Ashortintroductiontoboosting.JournalofJ