一種多分類的AdaBoost算法
大?。?/span>0.86 MB 人氣： 2017-12-01 需要積分：1
標簽：多分類(5928)
多類指數(shù)損失函數(shù)逐步添加模型（ SAMME）是一種多分類的AdaBoost算法，為進一步提升SAMME算法的性能，針對使用加權概率和偽損失對算法的影響進行研究，在此基礎上提出了一種基于基分類器對樣本有效鄰域分類的動態(tài)加權AdaBoost算法SAMME. RD。首先，確定是否使用加權概率和偽損失；然后，求出待測樣本在訓練集中的有效鄰域；最后，根據(jù)基分類器針對有效鄰域的分類結果確定基分類器的加權系數(shù)。使用UCI數(shù)據(jù)集進行驗證，實驗結果表明：使用真實的錯誤率計算基分類器加權系數(shù)效果更好；在數(shù)據(jù)類別較少且分布平衡時，使用真實概率進行基分類器篩選效果較好；在數(shù)據(jù)類別較多且分布不平衡時，使用加權概率進行基分類器篩選效果較好。所提的SAMME. RD算法可以有效提高多分類AdaBoost算法的分類正確率。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種多分類的AdaBoost算法下載
相關電子資料下載
- 機器學習多分類任務深度解析 625
- 使用Python從零實現(xiàn)多分類SVM 337
- 怎樣使用Python從零實現(xiàn)多分類SVM呢？ 363
- 原來柔性振動盤的盤面還有這么多分類 929
- 如何利用二分類學習器來解決多分類問題 7678