WIKI
Boosting is a machine learning ensemble meta-algorithm for primarily reducing bias, and also variance[1] in supervised learning, and a family of machine learning algorithms that convert weak learners to strong ones.
-
在分類問題中，通過改變訓練樣本的權重，學習多個分類器，並將這些分類器線性組合，提高分類的性能。
提升方法AdaBoost算法
-
在每一輪如何改變訓練數據的權值或概率分佈？：提高那些被前一輪弱分類器錯誤分類樣本的權值，而降低那些被正確分類樣本的權值。這樣一來，那些沒有得到正確分類的數據，由於其權值的加大而受到後一輪的弱分類器的更大關注。於是，分類問題被一系列的弱分類問題“分而治之”。
-
如何將弱分類器組合成一個強分類器？：加權多數表決的方法。
AdaBoost算法
