Boosting的思想是集成学习，把许多个弱分类器结合起来，构成1个强分类器。
首先输入原始的训练样本，得到1个弱分类器，可以知道它的正确率和毛病率。计算该弱分类器的权重，以下：
然后提高毛病分类样本的权重，让后面的分类器focus它们，调剂样本的权重：
如果本来分类正确：
如果样本分类毛病：
把新的样本输入到后面学习，重复这个进程，得到许多个弱分类器，及其分类器的权重。
注意，Boosting算法中有两个权重，1个是分类器的权重，1个是样本的权重。
Boosting算法的优点：性能好，可以避免过拟合，可以综合多个分类器的优势。
缺点：对离群点比较敏感。
程序员人生，我编程，我富裕，记住wfuyu网，php教程，php学习，php手册，CMS模版制作
声明：本站大部分内容是作者原创，少部分收集于互联网供大家一起学习，原版权很多不明，如有侵权请联系本站，谢谢！
粤ICP备14040726号-1 2015-2020 程序员人生 版权所有
