← 返回刚才阅读的位置

知识卡片

操作参考卡 · 9448.f · 生成模型:Tencent Hunyuan Hy

AdaBoost迭代四步

理解等级:中级

AdaBoost每一轮迭代都遵循一套可复用的操作:①新增一个弱分类器i并给它初始权重alpha(i);②用当前数据权重W(i)训练该弱分类器,算出分类错误率,再据此更新它的权重alpha(i)(错误率越低权重越大);③让所有弱分类器按各自权重加权投票,得到最终预测并计算总体错误率;④判断终止——若总体错误率低于阈值(如5%)则结束,否则更新数据权重W(i+1)(错分样本加权、对分样本减权)进入下一轮。这个流程把“关注难例”和“按精度赋发言权”两件事固化成循环。适用边界:阈值和最大迭代次数需预设,弱分类器精度须高于50%。迁移启发:任何需要多轮纠错的任务,都应先定义“错误率怎么算、何时停、权重怎么更新”三件事,再让循环自动推进。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第9章《要想模型效果好,集成算法少不了》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00014.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文第(3)步“通过加权投票表决的方式……如果最终错误率低于设定阈值(比如5%),迭代结束;如果最终错误率高于设定阈值,则更新数据权重得到W(i+1)”直接给出判定与更新规则。 - 原始内容:(3)通过加权投票表决的方式,让所有弱分类器进行加权投票表决得到最终预测输出,计算最终分类错误率。如果最终错误率低于设定阈值(比如5%),迭代结束;如果最终错误率高于设定阈值,则更新数据权重得到W(i+1)。