我试图了解Adaboost
的工作原理。我知道它的基本概念。我已经阅读了很多解释,但我无法理解如何从弱分类器中构建强大的分类器。
我相信构建它的公式类似于:
c += sign(alpha(i)*h(i)).
我知道阿尔法是阶级的重量"我"。但是标志和h代表什么?当签署'并且' h'变成-1和+1?如何使用强分类器预测新数据的类别?
我已经阅读了here但是当h或者符号变为-1或1并且用它来预测新数据的类时,我仍然没有得到。
对不起,如果这些问题太基本无法被问到并且被问过太多次了。我找了很多答案但不幸的是他们对我没有帮助。
答案 0 :(得分:0)
这是一个更精确的公式:
H代表最终的强分类器,其值等于弱分类器的加权和的信号。所以这个公式是针对二元分类问题,换句话说是一个两类问题。 alpha_t是分类器t的权重,h_t(x)是示例x的弱分类器t的评估。
但是标志和h代表什么?
sign(x)是一个返回x(+1或-1)信号的函数。 h是弱分类器。
当'sign'和'h'变为-1和+1时?
该公式适用于两类问题,即-1级或+1级。 h只返回这两个值中的一个。
如何使用强分类器预测新数据的类别?
根据sign()
中表达式的信号,强分类器将评估为-1或+1如果您仍有疑问,请查看this教程。