简单描述一下Adaboost的算法原理和流程？

Nen 2021-09-19 09:56

- 程序员

Adaboost基于分类器的错误率分配不同的权重系数，最后得到累加加权的的预测结果。

算法流程：

给数据中每一个样本一个权重，若有N个样本，则每个样本的权重为1/N.

训练数据的每一个样本，得到第一个分类器。

计算该分类器的错误率，根据错误率计算给分类器分配的权重。

将第一个分类器分错的样本权重增加，分对的样本权重减少，然后再用新的样本权重训练数据，得到新的分类器。

迭代这个训练步骤直到分类器错误为0或达到迭代次数。

将所有的弱分类器加权求和，得到分类结果（分类器权重），错误率低的分类器获得更高的决定系数，从而在数据进行预测起关键作用。