目录
如何理解
Boosting算法
Boosting 提升算法是一系列将罗学习器提升为强学习器的算法。
思想：对于一个复杂的任务，将多个专家的判断总和得出的结果要比任何一个专家单独的判断好。
大致工作机制：
先从初始训练集训练出一个基学习器，再根据基学习器表现对训练样本分布进行调整，在后续赋予基学习器中做错的样本更大的权值，然后基于调整后的样本分布来训练下一个基学习器，一直反复进行，直到达到指定值。
AdaBoost算法
AdaBoost算法工作机制同上。
对于弱分类器的组合，AdaBoost算法采取加权多数表决的方法——加大分类误差率小的弱分类器的权值，使其在表决中起到较大的作用；减小分类误差率大的弱分类器的权值，使其在表决中起较小的作用。
应用集中于提高分类准确率。
算法原理
- 对D训练集数据训练处一个分类器Ci
- 通过分类器Ci对数据进行分类，计算此时误差率
- 把上步骤中的分错的数据的权重提高，分对的权重降低，以此凸显了分错的数据。为什么这么做呢，后面会做出解释。
