Adaboost 更新部分 优点: Adaboost作为分类器时,分类精度很高 在Adaboost的框架下,可以使用各种回归分类模型来构建弱学习器,非常灵活。 作为简单的二元分类器时,构造简单,结果可理解。 不容易发生过拟合 缺点: 对异常样本敏感,异常样本在迭代中可能会获得较高的权重,影响最终的强学习器的预测准确性。
点赞 评论

相关推荐

西松屋:说明原部门有机会把
点赞 评论 收藏
分享
牛客网
牛客企业服务