利用Adaboost元算法提高分类性能
2015-10-08 19:44
218 查看
元算法（集成方法）：将不同的分类器组合起来，而这种组合结果则被称为集合方法。使用集成方法时会有很多种形式：可以是不同算法的集成，也可以是同一算法在不同设置下的集成，还可以是数据不同部分分配飞不停地分类器之后的集成。接下来，将介绍基于同一种分类器多个不同实例的两种计算方法。最后我们将讨论如何利用机器学习问题的通用框架来应用Adaboost算法。
Adaboost
优点：泛化错误率低，易编码，可以应用在大部分分类器上，无参数调整
缺点：对离群点比较敏感
使用数据类型：数值型和标称型数据
Adaboost
优点：泛化错误率低，易编码，可以应用在大部分分类器上，无参数调整
缺点：对离群点比较敏感
使用数据类型：数值型和标称型数据
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- IIS7.5 Error Code 0x8007007e HTTP 错误 500.19 推荐
- Android Studio 快捷键设置
- 重温java代理模式
- VIJOS-P1359 Superprime
- Android Sutdio开发NDK工程
- thinkphp getField
- jQuery 遍历ul li 添加 移除
- 《需求工程——软件建模与分析》阅读笔记之一
- 中项学员：2015年10月8日作业及下次上课时间调整通知
- 反转单链表 和 将数组按照某种条件分为前后两个部分
- WebView中addJavascriptInterface不起作用解决方法
- YTU2899——险恶逃生 I（迷宫，找所有可能出路）
- 【索引】索引五种扫描方式之索引跳跃扫描
- noip提高组2014 飞扬的小鸟
- android - 动画
- lnmp、lamp、lnmpa一键安装包（Updated: 2015-08-31）
- $.ajax()方法详解及实例
- Android中的Shape使用总结
- 《剑指Offer》面试题：打印出二叉树中结点值的和为输入整数的所有路径
- Tcpdump 命令解释