adaboost的样本权值如何对弱分类器产生影响

探讨了SVM作为Adaboost弱分类器时可能存在的问题,包括分类器差异性不足及模型拟合能力受限等,并解释了如何通过样本权重调整优化分类效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

参照https://www.zhihu.com/question/26957827?sort=created,感谢作者

以SVM这样的强分类器作为弱分类器使用,有可能会造成两个问题:

1. 第一次产生的分类器错误率已经达到上限,使后面的分类器起不到效果,或者说分类器的差异性太小;

2. 训练出的多个分类器,基本是相似位置的超平面,也就是说,最后组合得到的还是一个线性分类器,因此模型对数据的拟合能力,不如非线性分类器,达不到adaboost组合变强的结果。



经请教,以SVM作为弱分类器,弱分类器使用的训练样本依然是原始样本,权重是在损失函数中考虑的,比如权重是w,如果把某个样本分错了,损失就不是1,而是w,所以,为了使得损失函数最小,分类器就会尽量将权值大的样本分对。



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值