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
boosting 是一种将弱分类器转化为强分类器的方法统称，而adaboost是其中的一种，或者说AdaBoost是Boosting算法框架中的一种实现 https://www.zhihu.com/question/37683881 ...
分类：
数据库 时间：
2018-08-24 17:18:01
阅读次数：
240
将不同的分类器组合起来，这种组合结果被称为集成方法或元算法（meta-algorithm）。 使用集成方法时会有多种形式：（1）可以是不同算法的集成（2）可以是同一种算法在不同设置下的集成（3）数据集不同部分分配给不同分类器之后的集成，等等 接下来介绍基于同一种分类器多个不同实例的两种不同计算方法b ...
分类：
编程语言 时间：
2018-08-20 01:09:33
阅读次数：
248
```
# -*- coding:utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.tree import DecisionTreeClassi... ...
分类：
其他好文 时间：
2018-08-13 23:46:40
阅读次数：
218
【AdaBoostClassifier】 Adaboost-参数： base_estimator:基分类器，默认是决策树，在该分类器基础上进行boosting，理论上可以是任意一个分类器，但是如果是其他分类器时需要指明样本权重。 n_estimators:基分类器提升（循环）次数，默认是50次，这个 ...
分类：
其他好文 时间：
2018-08-08 19:27:59
阅读次数：
1304
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
