决策树的工作原理是在每个节点上拆分训练子集,遍历根到叶节点,直到我们得到分类/回归结果。
但是实际的决策边界(权重)是如何计算的呢?我们使用成本函数在每个节点上执行拆分。这个代价函数也能帮助我们找到权重吗?
例如,为了构建AdaBoost分类器,训练第一个基本分类器(例如决策树),并使用该分类器对训练集进行预测。然后增加错误分类的训练实例的相对权重。第二个分类器使用更新的权重进行训练,并再次对训练集进行预测,更新权重,依此类推。
这个相对权重是如何计算的?
https://stackoverflow.com/questions/55675917
复制相似问题