Adaboost算法原理的过程中不在害怕公式

2018年10月8日 下午11:31
从理解的直观的角度去分析一下adaboost:

1. 我有一个智囊团，这个智囊团通过集体力量来解决问题
2. 当然，这个智囊团中的人水平也是分高低的，我的策略优先考虑水平高的，也就是错误率低的人有限考虑，并且他的意见优先考虑。
3. 并且，智囊团中的人，我还要不断的加大他们做错题的训练，针对性的提高个自己的问题。他好的更好，差的能力也有所提升，从而提高整体的水平。
4. 定量：这中间涉及到两个定量的问题
   1. 他的意见优先考虑：弱分类器在最终分类器中的权重
      1. 根据的是这个弱分类器的结果误差
   2. 更新训练样本的权值分布
5. 每个弱分类器是何时训练的？
   1. 每次我们选择最优的弱分类器的之前，都要用最新的权重数据，将所有剩下的弱分类器训练一次，根据训练的效果，来选择最好的弱分类器。

Adaboost算法原理分析和实例+代码（简明易懂） - CSDN博客

Adaboost 算法的原理与推导 - CSDN博客

1. 数学公式是给了你一种计算某个值的具体方法，这是好事呀，说明公式不用你推导了。你不用在想这个值我可怎么求啊？
2. 同时也说明了，公式的推导才是算法背后的原理，仅仅知道公式并不是算法的核心价值点，公式只是那些牛人思考、推导的最后结果。
3. 并且，只有在公式的推导中我们才可以理解到为啥要用这个公式？这个公式是怎样产生的？
   1. 就像July中”Adaboost的误差界“部分，他就用到了考研时求上下界，以及比较复杂的等式推导过程，这才是算法背后的数学，一个公式并不是！
4. ::总结：::
   1. 第一不要怕数学公式。
   2. 第二公式背后还有他的数学推导，只知道公式是不够的。