22(8).模型融合---RegionBoost
2024-09-06 04:52:05
在adaboost当中，样本的权重alpha是固定的，蓝色五角星所在的圈中3个○分错了，红色五角星所在的圈中4个×和1个○都分对了，很容易让人想到，这个模型，对于红色位置的判断更加可信。
动态权重，每个x都会有特定的权重，不同的分类器对于不同的样本的权重是不一样的
base classifer：分○和△
competency predictor：分对和分错的样本
将分错的归到一处，利用KNN的方法，比如要测试一个样本xi和5个最近的训练样本，计算这个模型在5个样本上面分的对还是错，如果那5个分的都对，那这个模型比较靠谱。
但欧氏距离在高维空间
L1：曼哈顿距离
L0.5：分式距离
如上图所示，adaboost收敛性要好于Regionboost
但regionboost的测试误差要低于adaboost
论文出处：
参考文献：
【1】视频：https://www.bilibili.com/video/av38555100/?p=5
最新文章
- eclipse 创建maven web项目
- 我的c++学习(11)数组和指针
- 关于Hibernate 5 和 Hibernate 4 在创建SessionFactory的不同点分析（解决 org.hibernate.MappingException: Unknown entity: xx类报错问题）
- VBA编程常用语句
- ASP.NET MVC+EF在服务端分页使用jqGrid以及jquery Datatables的注意事项
- DIV+CSS命名规范-转载1
- html5之meta标签viewport应用
- C# List
- 从苹果的appstore谈谈web前端那丝毫的追求
- android集成apk对一些问题经常遇到系统
- dedecms实现编辑文章时不自动修改发布时间
- "Uncaught object angular.js:36"诡异错误
- kubernetes系列07—Pod控制器详解
- 【Spring】手写Spring MVC
- SpringCloud实战9-Stream消息驱动
- MySQL的一些基本命令笔记(2)
- 快速自动安装dart
- 力扣（LeetCode）728. 自除数
- windows命令快捷启动应用-----window小技巧
- Delphi XE开发 Android 开机自动启动