数据挖掘十大算法之Adaboost.ppt

《数据挖掘十大算法之Adaboost.ppt》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、数据挖掘十大算法之AdaBoostAnexample给定如下表所示的训练数据：序号12345678910x0123456789y111-1-1-1111-1AdaBoost算法AdaBoostAdaptiveBoosting主要思想：从弱学习算法出发，反复学习，得到一系列弱分类器，然后组合这些弱分类器，构成一个强分类器。几个概念强可学习：在PAC学习的框架中，一个概念（类），如果存在一个多项式的学习算法能够学习它，并且正确率很高，那么就称这个概念是强可学习的弱可学习：在PAC学习的框架中，一个概念（类），如果存在一个多项式的学习算法能够学习它，学习的正确率仅比随

2、机猜测略好，那么就称这个概念是弱可学习的在PAC学习框架下，一个概念是强可学习的充分必要条件是这个概念是弱可学习的AdaBoost算法h(x){1,1}1h(x){1,1}2T..HT(x)signtht(x).t1h(x){1,1}T弱分类器强分类器AdaBoost算法AdaBoost算法弱分类器1AdaBoost算法权重增大AdaBoost算法弱分类器2AdaBoost算法权重增加AdaBoost算法弱分类器3AdaBoost算法最终的强分类器Anexample给定如下表所示的训练数据：序号12345678910x012

3、3456789y111-1-1-1111-1AdaBoost算法Adaboost算法最终分类器的错误率是多少？AdaBoost的目标：最小化损失函数AdaBoost算法在人脸检测上的应用参考文献：P.ViolaandM.Jones.Robustreal-timefacedetection.IJCV57(2),2004.人脸检测的目标级联分类器人脸检测中的弱分类器AdaBoost算法改进参考文献：lY.FreundandR.E.Schapire.Adecision-theoreticgeneralizationofon-linelearningandanappli

4、cationtoboosting.JournalofComputerandSystemSciences,55(1):119–139,1997.lY.FreundandR.E.Schapire.Ashortintroductiontoboosting.JournalofJapaneseSocietyforArtificialIntelligence,14(5):771–780,1999.