关于AdaBoost有效性的分析

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：在机器学习领域，弱学习定理指明只要能够寻找到比Bagging．随机猜测略好的弱学习算法，则可以通过一定方式，构造出任意误差精度的强学习算法．基于该理论下最常用的方法有AdaBoost和AdaBoost和Bagging的误差分析还不统一；AdaBoost使用的训练误差并不是真正的训练误差，而是基于样本权值的一种误差，是否合理需要解释；确保AdaBoost有效的条件也需要有直观的解释以便使用．在调整Bagging错误率并采取加权投票法后，对AdaBoost和Bagging的算法流程和误差分析进行了统一，在基于大数定理对弱学习定理进行解释与证明基础之上，对AdaBoost的有效性进行了分析．指出AdaBoost采取的样本权值调整策略其目的是确保正确分类样本分布的均匀性，其使用的训练误差与真正的训练误差概率是相等的，并指出了为确保AdaBoost的有效性在训练弱学习算法时需要遵循的原则，不仅对AdaBoost的有效性进行了解释，还为构造新集成学习算法提供了方法．还仿照AdaBoost对Bagging的训练集选取策略提出了一些建议．

原文链接:http://www.cqvip.com//QK/94913X/200810/28409775.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：adaboost boost 有效性 abo bagging 机器学习 弱学习定理 大数定理 AdaBoost Bagging

thanks for sharing