# AdaBoost算法

> 训练一系列弱分类器，每一个新的分类器都侧重于前一个分类器分错的数据，最后加权组合。

- ID: m06504
- 分类: technical
- 领域: 算法

## 定义

Adaptive Boosting。训练一系列弱分类器，每一个新的分类器都侧重于前一个分类器分错的数据，最后加权组合。脚手架作用：三个臭皮匠顶个诸葛亮。它证明了将多个简单的、表现一般的模型组合起来，只要它们之间有互补性（关注不同的错误），就能构建出顶级的强模型。

## 机制

基于"提升(Boosting)"与"关注错误"。串行训练弱分类器，加权错分样本使下一轮聚焦难点，最终加权投票。

## 练习

1. 初始化样本权重。2. 训弱分类器。3. 提高错分权重。4. 重复。5. 加权组合。

## 脚手架用法

三个臭皮匠顶个诸葛亮。它证明了将多个简单的、表现一般的模型组合起来，只要它们之间有互补性（关注不同的错误），就能构建出顶级的强模型。

[阅读网页](https://thinkingmodels.site/entries/detail/m06504)