z754916067的博客

公式推导默认决策树实现#导入sklearn包from sklearn.ensemble import AdaBoostClassifierfrom sklearn import datasets# 导入 train_test_split 方法 顾名思义 将一个数据集里划分出训练集和预测集from sklearn.model_selection import train_test_split#用来计算准确率的模块 Import scikit-learn metrics module for

目录算法基本流程步骤3中错误率的定义分类器的权重计算公式步骤4中权重更改公式算法基本思路加权误差率和权重系数算法基本流程给数据中的每一个样本一个权重（初始权重全部相等）训练数据中的每一个样本，得到第一个分类器计算该分类器的错误率，根据错误率计算要给分类器分配的权重（注意这里是分类器的权重）将第一个分类器分错误的样本权重增加，分对的样本权重减小（注意这里是样本的权重）然后再用新的样本权重训练数据，得到新的分类器，到步骤3直到步骤3中分类器错误率为0，或者到达迭代次数将所有弱分类器加权求和，得

RNN循环神经网络（Recurrent Neural Network，RNN）是一种用于处理序列数据的神经网络。相比一般的神经网络来说，他能够处理序列变化的数据。比如某个单词的意思会因为上文提到的内容不同而有不同的含义，RNN就能够很好地解决这类问题。...