Python工程应用—机器学习方法与实践第8章AdaBoost模型.pptxVIP

第一章 概论西华大学机器学习第八章 AdaBoost模型XXX学校XXX2022 目录Contents模型介绍马疝病预测学生课程成绩预测 知识引入3 前一章介绍了一种集成学习的方法——随机森林。随机森林是利用bagging方法组合在一起的决策树，每个决策树之间的运行是独立的，互相没有依赖的，是完全可以并行执行的。而集成学习的另一类方法就是，其每一个弱分类器之间不是完全独立的，而是相互依赖的，必须按照一定的顺序先后执行。本章将要介绍的AdaBoost模型就是这样的模型。题库抽题（曾经做错过的习题总是更容易被抽取到，做错的次数越多，就越容易抽取到）小明做题（给题目标注答案的正确性） 本章知识图谱4 模型介绍一 1 模型介绍6 AdaBoost是Adaptive Boosting(自适应增强)的缩写，属于boosting系列算法中的一种，也就是说每个学习器之间存在强依赖关系。AdaBoost是一种迭代算法，其核心思想是针对同一个训练集训练不同的性能较弱的分类器(弱分类器)，然后把这些分类器集合起来，构成一个更强的最终分类器(强分类器)。 1.1 AdaBoost原理71、Boosting提升算法 Boosting算法是将“弱学习算法”提升为“强学习算法”的过程。一般来说，找到弱学习算法要相对容易一些，然后通过反复学习得到一系列弱分类器，组合这