知识卡片
AdaBoost票权由误差决定
若本轮样本加权错误率是 e,加入一项 αh 后,这一轮按指数损失计算的代价是 (1−e)exp(−α)+e exp(α)。求导为零得到 α=½log((1−e)/e)。随机水平的模型权重为零,完全正确时这个未正则化表达式趋于无穷。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第8章 集成学习
原书出处 · 1 处
- 第8章 集成学习 · 查看原书依据
式(8.9)
参考来源
- 位置:《机器学习公式详解》第8章 集成学习(book-source:`extracted/机器学习公式详解/_epub-src/text/part0014.html`,式(8.9))
- 结论依据:式(8.9)至(8.11)按分类器答对与答错两种情况对票权求最优值。
- 原始内容:式(8.9)
- 原式图像替代文本:`\ell_{\exp }\left(\alpha_{t} h_{t} \mid \mathcal{D}_{t}\right)=\mathbb{E}_{\boldsymbol{x} \sim \mathcal{D}_{t}}\left[\mathrm{e}^{-f(\boldsymbol{x}) \alpha_{t} h_{t}(\boldsymbol{x})}\right]`