中国大学MOOC: AdaBoost算法更新数据权重只根据当前分类器更新权重（不改变以前分类器的权重）。
对
举一反三
- AdaBoost算法更新数据权重只根据当前分类器更新权重（不改变以前分类器的权重）。
- Adaboost算法在组合基分类器的时候让分类效果好的弱分类器具有较大的权重,而分类效果差的分类器具有较小的权重,并不要求所有分类器权重的和为1。<br/>()
- Adaboost算法的自适应体现在，以每一个基分类器的分类错误率为依据来决定该分类器在整个组合分类器中的权重，分类器错误率越低，基分类器权重越大。
- 在Adaboost算法的训练过程中，根据每个基分类器的分类结果对其表决权赋予一个权重，下列说法正确的是（） A: 基分类器错误率越低，表决权重越小 B: 基分类器错误率越低，表决权越大 C: 每个基分类器的权重一样大 D: 所有基分类器的权重都不相同
- 中国大学MOOC: Boosting算法对正确分类的数据增加权重，对错误分类的数据减小权重。
内容
- 0
AdaBoost中基础分类器的权重设置策略存在的问题有： </p></p>
- 1
在Ada Boosting算法中，如果某个样本无法被当前弱分类器分类成功，则减少该样本权重，否则增大该样本权重。
- 2
以下对RegionBoost算法描述正确的是（ ）？ A: 基础分类器权重根据当前输入样本计算得出 B: 每个基础分类器需要一个额外的可信度模型 C: 每个基础分类器的权重针对不同输入样本有所区别 D: 可信度模型用于估计基础分类器对特定输入的准确度
- 3
Boosting算法对正确分类的数据增加权重，对错误分类的数据减小权重。 A: 正确 B: 错误
- 4
AdaBoost算法训练弱分类器的过程中，如果某个样本已经在上一个弱分类器中被准确地分类，那么在构造下一个训练集时，它的权重将被：（）。 A: 升高 B: 降低 C: 不变 D: 置0