我想比较一下adaboost和决策树。作为原理的证明,我将adaboost中的估计器数设置为1,并默认使用决策树分类器,期望得到与简单决策树相同的结果。然而,adaboost的拟合时间要短得多,而测试时间要长一些。Adaboost似乎使用与DecisionTreeClassifier相同的默认设置,否则,准确性就不会完全相同。print("time for fitting adaboost was", fi
我为一个项目实现了Adaboost,但我不确定我是否正确地理解adaboost。这是我所做的,如果是正确的解释,请告诉我。
我的弱分类器是8个不同的神经网络。现在我用adaboost。我对adaboost的解释是,它将找到一个最终的分类器,作为我上面训练过的分类器的加权平均值,它的作用是找到这些权重。请注意,通过这种解释,弱分类器在adaboost迭代过程中不会被重新训练,只会更新权重。但是更新的权重实际上在每次迭代中创建了新的分类器。, according to the weight update