Boosting算法起源
Boosting是一种提高任意给定学习算法准确度的方法。...在产生单个的基分类器时可用相同的分类算法,也可用不同的分类算法,这些算法一般是不稳定的弱分类算法,如神经网络(BP) ,决策树(C4.5)等。...(2)每次循环后提高错误样本的分布概率,分错的样本在训练集中所占权重增大,使得下一次循环的基分类器能够集中力量对这些错误样本进行判断。...,分错的样本在训练集中所占权重增大,使得下一次循环的弱学习算法能
够集中对这些错误样本进行判断;Dt 总和应该为1 ;
③wt 为分类器的权值:准确率越高的分类器权重 w越大。...循环步骤1,2,3来继续训练多个分类器,只是其D值不同而已。