知识卡片
提升法让后轮纠正前轮
书中以重加权式提升为主。先训练一个较弱的分类器,再提高错分样本的影响,重复训练并加权聚合。和 Bagging 各个基模型可独立拟合相比,后轮依赖此前的结果。标签噪声也会反复得到更高的注意,需要验证训练轮数。
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
原书出处 · 1 处
- 集成学习 · 查看原书依据
误差率高的训练样本的权重变高
参考来源
- 位置:《机器学习观止:核心原理与实践》第11章《集成学习》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter11.xhtml`)。
- 结论依据:第 11.2.2 节与两张流程图把每轮误差、样本权重和最终加权组合串起来。
- 原始内容:误差率高的训练样本的权重变高