sklearn机器学习：AdaBoost回归器

原创

于 2019-10-18 22:23:29 发布 · 4.9k 阅读

36 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习 #算法 #Python #AdaBoost #回归

本文探讨了AdaBoost回归器的工作原理，重点介绍了其核心参数。通过实例展示了如何使用Python的sklearn库实现AdaBoostRegressor，并指出其预测性能显著优于单独的决策树回归。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

上篇博文讨论了AdaBoost分类器，接下来一起看一下AdaBoost回归器如何工作。

核心参数

在这里插入图片描述

至于弱分类器，还是使用决策树，用一个小例子一起来看AdaBoostRegressor的使用。

#AdaBoostRegressor
#导入所需的模块和包
import numpy as np
import matplotlib.pyplot as plt
from sklearn.tree import DecisionTreeRegressor
from sklearn.ensemble import AdaBoostRegressor
#创造数据集
rng = np.random.RandomState(1)
X = np.linspace(0