← 返回卡片

原书出处

大数据挖掘与统计机器学习

05 第5章 决策树与组合方法

核验版本的摘录快照 · 导入于 2026-11-18T10:22:02.202Z

(5.8)相当于本节开头介绍的AdaBoost 算法中的更新抽样概率pm(i)。

式(5.6)相当于 AdaBoost算法中对重抽样样本构建最优决策树。分类规则为sgn(f(x)),对于二分类问题,这与AdaBoost算法HA(x)等价。所以我们得到结论:二分类AdaBoost算法是最小化指数损失L(y, f(x))=exp[-yf(x)]的分步向前可加模型。

5.3.3∗梯度下降算法 从可加模型的角度看,AdaBoost 给我们提供了一

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter7_0003.xhtml

EPUB SHA-256:6f2324b41414df46227a4d0ee4cc188eb120a38a798a14be96a3d7d919028c00