摘要：
#1.GBDT算法流程 \(设有训练集:Data=\{(x_1,y_1),(x_2,y_2),...,(x_N,y_N)\},y_i\in \{+1,-1\}\) 初始化弱学习器 一般用所有训练样本的标签值的均值 \(f_0(x)=argmin_c\sum\limits_{i=1}^{N}L(y_i 阅读全文
摘要：
概述 Adaboost的思想是将关注点放在被错误分类的样本上，减小上一轮被正确分类的样本权值 Adaboost采用加权投票的方法，分类误差小的弱分类器的权重大，而分类误差大的弱分类器的权重小 算法流程 1.\(假设输入训练数据为\) \(T=\{(x_1,y_1),(x_2,y_2),...,(x_ 阅读全文