知识卡片
提升重加权来自间隔
旧集成的有符号间隔 yH 较小,exp(−yH) 就较大。一阶展开加入新学习器后的风险,可把寻找下降方向转成按这些权重最小化分类错误。更新后把全部权重重新归一。权重会集中在反复出错的点上,也可能反复关注噪声标签。
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
将代入式(8.5)即可,因为理想的可以纠正的全部错误,所以这里指定其权重系数为1.如果权重系数是常数的话,对后续结果也没有影响.
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(8.12))
- 结论依据:式(8.12)至(8.19)用现有集成的指数损失重写下一轮目标。
- 原始内容:将代入式(8.5)即可,因为理想的可以纠正的全部错误,所以这里指定其权重系数为1.如果权重系数是常数的话,对后续结果也没有影响.