0提升的基本方法 对于分类的问题，给定一个训练样本集，求比较粗糙的分类规则（弱分类器）要比求精确的分类的分类规则（强分类器）容易的多。提升的方法就是从弱分类器算法出发，反复学习，得到一系列弱分类器（又称为基本分类器），然后组合这些弱分类器，构成一个强分类器。大多数的提升方法都是改变训练数据集的概率分 ...
分类：
编程语言 时间：
2019-05-09 21:45:32
阅读次数：
200
import numpy as np import matplotlib.pyplot as plt from sklearn import datasets,ensemble from sklearn.model_selection import train_test_split def load... ...
分类：
编程语言 时间：
2019-05-02 09:51:33
阅读次数：
138
import numpy as np import matplotlib.pyplot as plt from sklearn import datasets,ensemble from sklearn.model_selection import train_test_split def load... ...
分类：
编程语言 时间：
2019-05-02 09:50:53
阅读次数：
559
基于单层决策树的AdaBoost算法源码 Mian.py AdaBoost.py WeakClassifer.py data ...
分类：
编程语言 时间：
2019-02-14 22:04:45
阅读次数：
174
AdaBoost?算法是一种快速人脸检测算法，它将根据弱学习的反馈，适应性地调整假设的错误率，使在效率不降低的情况下，检测正确率得到了很大的提高。 系统在技术上的三个贡献： 1.用简单的Haar-like矩形特征作特征，可快速计算 2.基于AdaBoost的分类器设计 3.采用了Cascade(分级 ...
分类：
编程语言 时间：
2018-09-25 18:01:31
阅读次数：
146
Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器（弱分类器），然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。Adaboost算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值 ...
分类：
编程语言 时间：
2018-09-12 13:08:34
阅读次数：
236
简介 AdaBoost算法的人脸检测算法包含的主要工作：（1）通过积分图快速求得Haar特征；（2）利用AdaBoost算法从大量的特征中选择出判别能力较强的少数特征用于人脸检测分类；（3）提出一个级联结构模型，将若干个弱分类器集成一个强分类器，其能够快速排除非人脸区域，提高算法的检测速度。 2. ...
分类：
编程语言 时间：
2018-09-06 20:35:01
阅读次数：
240
目前人脸检测方法主要分为两大类，基于知识和基于统计。 基于知识的人脸检测方法主要包括：模板匹配，人脸特征，形状与边缘，纹理特征，颜色特征。 基于统计的人脸检测方法主要包括：主成分分析与特征脸法，神经网络模型，隐马尔可夫模型，支持向量机，Adaboost算法。 基于知识的方法将人脸看成不同特征的特定组 ...
分类：
其他好文 时间：
2018-08-01 22:18:46
阅读次数：
686
最近在系统研究集成学习，到Adaboost算法这块，一直不能理解，直到看到一篇博文，才有种豁然开朗的感觉，真的讲得特别好，原文地址是（http://blog.csdn.net/guyuealian/article/details/70995333），在此摘录，方便查找与复习。 一、AdaBoost简 ...
分类：
编程语言 时间：
2018-07-15 17:41:11
阅读次数：
323
1.提升算法 提升算法实为将一系列单一算法（如决策树，SVM等）单一算法组合在一起使得模型的准确率更高。这里先介绍两种Bagging(代表算法随机森林），Boosting（代表算法AdaBoost-即本篇核心） Bagging思想：以随机森林为例 假设样本集的总样本量为100个，每个样本有10个特征 ...
分类：
编程语言 时间：
2018-07-06 13:06:39
阅读次数：
200
