boosting
boosting原理及在分类上的应用(编辑修改稿)
想 样本的权重 没有先验知识的情况下，初始的分布应为等概分布，也就是训练集如果有 N个样本，每个样本的分布概率为 1/N 每次循环一后提高错误样本的分布概率，分错样本在训练集中所占权重增大， 使得下一次循环的弱学习机能够集中力量对这些错误样本进行判断。 弱学习机的权重 准确率越高的弱学习机权重越高 循环控制：损失函数达到最小 在强学习机的组合中增加一个加权的弱学习机