Adaboost算法的精确形式

• 初始化数据加权系数$w_{n}=1/N$wn​=1/N
• 对于$m=1,...,M$m=1,...,M
  • 使用训练数据调节一个分类器$y_{m}(x)$ym​(x),调节的目标是最小化加权的误差函数$J_{m}=\sum_{n=1}^{N}w_{n}^{(m)}I(y_{m}(x_{n})\neq t_{n})$Jm​=n=1∑N​wn(m)​I(ym​(xn​)̸​=tn​)
  • 计算$\epsilon_{m}=\frac{\sum_{n=1}^{N}w_{n}^{(m)}I(y_{m}(x_{n})\neq t_{n})}{\sum_{n=1}^{N}w_{n}^{(m)}}$ϵm​=∑n=1N​wn(m)​∑n=1N​wn(m)​I(ym​(xn​)̸​=tn​)​ $\alpha_{m}=\mathrm{ln}\frac{1-\epsilon_{m}}{\epsilon_{m}}$αm​=lnϵm​1−ϵm​​
  • 更新权重系数$w_{n}^{(m+1)}=w_{n}^{(m)}exp(\alpha_{m}I(y_{m}(x_{n})\neq t_{n}))$wn(m+1)​=wn(m)​exp(αm​I(ym​(xn​)̸​=tn​))
• 使用最终的模型进行预测$Y_{M}(x)=sign(\sum_{m=1}^{M}\alpha_{m}y_{m}(x))$YM​(x)=sign(m=1∑M​αm​ym​(x))

标签：xn,wn,sum,sign,tn,算法,Adaboost,精确,ym
来源： https://blog.csdn.net/Neekity/article/details/87893382