C++ 具有Adaboost的决策树/树桩
我刚开始用Adaboost学习决策树,我正在OpenCV上试用,有一些问题 增强的决策树 我知道,当我将Adaboost与决策树一起使用时,我会不断地将决策树拟合到重新加权的训练数据中。通过加权多数投票进行分类 在使用Adaboost训练决策树时,我可以改用自举吗?i、 在将分类器输入Adaboost之前,我们选择数据集的子集并在每个子集上训练一棵树 增强决策树桩C++ 具有Adaboost的决策树/树桩,c++,decision-tree,adaboost,C++,Decision Tree,Adaboost,我刚开始用Adaboost学习决策树,我正在OpenCV上试用,有一些问题 增强的决策树 我知道,当我将Adaboost与决策树一起使用时,我会不断地将决策树拟合到重新加权的训练数据中。通过加权多数投票进行分类 在使用Adaboost训练决策树时,我可以改用自举吗?i、 在将分类器输入Adaboost之前,我们选择数据集的子集并在每个子集上训练一棵树 增强决策树桩 我是否对决策树桩使用相同的技术?或者我可以创建与特征数量相等的树桩吗?也就是说,如果我有两个具有10个特征的类,那么在将分类器输入A
我是否对决策树桩使用相同的技术?或者我可以创建与特征数量相等的树桩吗?也就是说,如果我有两个具有10个特征的类,那么在将分类器输入Adaboost之前,我会为每个特征创建总共10个决策树桩。Adaboost不仅在不同子集上训练分类器,而且还根据达到的组装性能调整数据集元素的权重。详细说明可参见 是的,您可以使用相同的技术来训练决策树桩。算法大致如下所示:
为什么这个问题不在datascience.SE中?