Boosting的思想是集成學習，把許多個弱分類器結合起來，構成1個強分類器。
首先輸入原始的訓練樣本，得到1個弱分類器，可以知道它的正確率和毛病率。計算該弱分類器的權重，以下：
然后提高毛病分類樣本的權重，讓后面的分類器focus它們，調劑樣本的權重：
如果本來分類正確：
如果樣本分類毛病：
把新的樣本輸入到后面學習，重復這個進程，得到許多個弱分類器，及其分類器的權重。
注意，Boosting算法中有兩個權重，1個是分類器的權重，1個是樣本的權重。
Boosting算法的優點：性能好，可以避免過擬合，可以綜合多個分類器的優勢。
缺點：對離群點比較敏感。
程序員人生，我編程，我富裕，記住wfuyu網，php教程，php學習，php手冊，CMS模版制作
聲明：本站大部分內容是作者原創，少部分收集于互聯網供大家一起學習，原版權很多不明，如有侵權請聯系本站，謝謝！
粵ICP備14040726號-1?? 2015-2020 程序員人生 版權所有
