- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
AdaBoost简介及训练误差分析.doc
AdaBoost
主要内容:
AdaBoost简介
训练误差分析
一、AdaBoost简介:
给定训练集:,其中,表示的正确的类别标签,
训练集上样本的初始分布:
对,
计算弱分类器,该弱分类器在分布上的误差为:
计算该弱分类器的权重:
更新训练样本的分布:,其中为归一化常数。
最后的强分类器为:
二、训练误差分析
记,由于弱分类器的错误率总是比随机猜测(随机猜测的分类器的错误率为0.5)低,所以,则训练误差为:
。
记,则。
证明:
1、对进行迭代展开
令
。
由于是一个分布,
所以:
所以。
训练误差为
*
。
所以,为训练误差的上界。
相当于损失函数取,则经验风险/测试误差为,使该经验风险最小的估计为。该风险称为指数风险。
在*式中,
当样本分对时,,所以,是一个较小的正数。
当样本分错时,,所以。
所以将变为,相当于对上述两种错误率都放大了,这样不等式成立。
证明;
问题:给定弱分类器的集合:,确定弱分类器及其权重。
具体实现时,首先选一个错误率最小的弱分类器,然后确定其权重,所以是一个贪心算法。(相当于对,前向逐步递增特征选择,后面再详细描述)
,因为
即为分类正确的样本的集合,为分类错误的样本的集合。
,两边同乘以
正确率=,错误率=,
所以
所以。
当很小时,很大,即错误率很小的弱分类器的权重很大。
训练误差
令,由于弱分类器的错误率总是比随机猜测(随机猜测的分类器的错误率为0.5),所以,
所以
(不等式可利用在处Taylor展开得到)
令,满足即为所有中最小的一个。
则训练误差的上界为:
所以,当,即训练误差的上界随T的增加指数减小。
AdaBoost相当于最大贝叶斯后验
,
当损失函数取时,则上述表达式为经验风险,当样本很多时,样本均值趋近于期望,即期望风险/测试误差为,
,表示的概率密度函数
(上一步怎么推导出这一步我开始看不懂)
我们目标是风险最小的,即
所以
所以
,
为最大贝叶斯后验。
上面证明了收敛性,最后的强分类器收敛于最大后验概率。
AdaBoost相当于前向逐步递增加法建模
,
可视为基展开,其中为基函数,为对应基函数的权重。对基展开,通常是给定基函数,一次联合求出所有的基函数中的参数及其权重(如用最小二乘法或极大似然估计方法)。
而AdaBoost为一个逐步递增的方式增加基函数,并计算其权重,不调整已添加的基函数中的参数及其权重。
假设第步的模型为:
当损失函数取时,则第T步新增加的基函数及其权重要使得训练误差/经验风险最小,即
,
,
其中。因为每个不依赖于,所以可以看作是应用于每个观测的权值,该权值依赖于,所以,每个样本的权值随每次迭代改变。
上述问题可以分两步实现:
第一步:首先选一个错误率最小的弱分类器,
。
第二步:然后确定其权重
因为
将代入,即可得到
,
其中表示错误率。
注:根据我的理解,
您可能关注的文档
- (GPS)RTK技术在矿区工程测量中的应用体会.doc
- (三)某些重要学科的研究方法.ppt
- (三)生物电现象的产生机制.ppt
- (上)关于主观证明责任的界定与基本范畴研究.doc
- (中医阴阳观的科学道理)的试论.doc
- (人教版)五年级数学课件三角形面积的推导.ppt
- (修改)我国ANG研究及应用现状.doc
- (修改版)信息系统应用.ppt
- (北师大版)六年级语文上册期末测试题..doc
- (卢)反刍动物葡萄糖营养调控理论体系及其应用.ppt
- 第十一章 电流和电路专题特训二 实物图与电路图的互画 教学设计 2024-2025学年鲁科版物理九年级上册.docx
- 人教版七年级上册信息技术6.3加工音频素材 教学设计.docx
- 5.1自然地理环境的整体性 说课教案 (1).docx
- 4.1 夯实法治基础 教学设计-2023-2024学年统编版九年级道德与法治上册.docx
- 3.1 光的色彩 颜色 电子教案 2023-2024学年苏科版为了八年级上学期.docx
- 小学体育与健康 四年级下册健康教育 教案.docx
- 2024-2025学年初中数学九年级下册北京课改版(2024)教学设计合集.docx
- 2024-2025学年初中科学七年级下册浙教版(2024)教学设计合集.docx
- 2024-2025学年小学信息技术(信息科技)六年级下册浙摄影版(2013)教学设计合集.docx
- 2024-2025学年小学美术二年级下册人美版(常锐伦、欧京海)教学设计合集.docx
文档评论(0)