Boosting的思想是集成学习，把许多个弱分类器结合起来，构成一个强分类器。
首先输入原始的训练样本，得到一个弱分类器，可以知道它的正确率和错误率。计算该弱分类器的权重，如下：
然后提高错误分类样本的权重，让后面的分类器focus它们，调整样本的权重：
如果原本分类正确：
如果样本分类错误：
把新的样本输入到后面学习，重复这个过程，得到许多个弱分类器，及其分类器...
分类：
编程语言 时间：
2015-03-05 10:48:44
阅读次数：
145
《C语言程序设计》谭浩强集成学习环境(C语言)C语言学习系统很多人对学习C语言感到无从下手，经常问我同一个问题：究竟怎样学习C语言？我是一个教师，已经开发了很多年的程序，和很多刚刚起步的人一样，学习的第一个计算机语言就是C语言。经过这些年的开发，我深深的体会到C语言对于一个程序设计人员多么的重要，如...
分类：
编程语言 时间：
2015-01-30 14:31:27
阅读次数：
254
在机器学习领域，集成学习由于可以提高学习系统的泛化能力，因此被广泛关注使用。对于集成学习可以分为两个阶段： 1）对训练数据集构造出多个基分类器。 这些基分类器的构造通常采用数据子集或者特征子集的方法进行构造，加上随机子集的方法，保证构造出的多个基分类器相互之间具有差异性 ...
分类：
其他好文 时间：
2014-11-10 21:35:02
阅读次数：
1935
集成学习：是目前机器学习的一大热门方向，所谓集成学习简单理解就是指采用多个分类器对数据集进行预测，从而提高整体分类器的泛化能力。 我们在前面介绍了。所谓的机器学习就是通过某种学习方法在假设空间中找到一个足够好的函数h逼近f，f是现实数据的分布函数模型，这个近似的函数就是分类器。 我们以分类问...
分类：
其他好文 时间：
2014-10-18 22:12:54
阅读次数：
305
集成学习（Esemble learning） 在机器学习领域，如何根据观察数据学习一个精确的估计数据是一个主要问题。 通常，我们通过训练数据应用某个算法得出一个训练模型，然后使用评估数据来评估这个模型的预测正确率，最后如果我们可以接受这个正确率就使用该模型进行预测数据。通常我们将训练数据进行交叉.....
分类：
其他好文 时间：
2014-07-24 17:32:05
阅读次数：
234
import java.io.*;import weka.classifiers.*;import weka.classifiers.meta.Vote;import weka.core.Instance;import weka.core.Instances;import weka.core.Sel...
分类：
其他好文 时间：
2014-07-09 21:27:32
阅读次数：
277
学习这个东西真的是在做实际项目的时候能够得到很好的体现，就像我现在学习Extjs一样的，因为现在的项目需要用到extjs做页面，所以才开始研究它，像以前的话，自己根本不想主动去学习Extjs，自己主动学习技术的积极性不是很高呀，呵呵,现在要用它来做项目了，不得不去学了，今天搭建了一个框架，用的是struts、spring和extjs，为什么不用hibernate，因为这个项目数据量比较多，里面的逻...
分类：
Web程序 时间：
2014-06-25 07:00:28
阅读次数：
312
