0%

AdaBoost

  1. 分配给每个观测样本$X_i$一个初始权重$W_i$。$W_i=\frac{1}{n}$,其中$n$为样本总数
  2. 训练一个“弱模型”(常用决策树)
  3. 对于每一个测试样本 3.1 如果预测错误, $W_i$上涨(给一个较大的惩罚力度) 3.2 如果预测正确, $W_i$下降
  4. 训练一个新的“弱模型”,其中权重较大的样本优先级越高
  5. 重复步骤3, 4 直至所有样本被完美进行预测。或决策树的分支和样本规模一样