devilangel2的博客

Adaboost就是通过迭代训练若干个弱分类器，直到错误率为零，所有分类器的加权（D）和的sign值就是结果。每一次迭代之后的下一个分类器都更加关注分错类的个体（每一个弱分类器都是通过阈值划分确定的，找到使总体的错误最小的切分方式，即min(D.T*(判断错误为1，正确为0的矩阵))，这一次划分错误的个体权值就会在下一个分类器里权值加强，为了使min(D.T*(判断错误为1，正确为0的矩阵))，所以上一个错误的这次肯定对，但是总体的错误率可能会提高，所以这个弱分类器的权值可能会减小。具体步骤，看代码

1.关联分析关联分析是一种在大规模中寻找关系的非监督学习算法。这些关系可以有两种形式：频繁项集、关联规则。 频繁项集：经常出现在一块的物品的集合 关联规则：暗示两种物品之间可能存在很强的关系一个例子：在这里，我们不关心顾客买了几件，只关心买了什么，在这里明确几个定义。●事务：每一条交易称为一个事务。例如，在这个例子中包含了5个事务。●项：交易的每一个物品称为一个项,例如，豆奶、尿布等。●项集：包含零个或者多个项的集合叫做项集，例如{豆奶，莴...