在AdaBoost算法中,各基分类器可以并行生成。
()
()
举一反三
- 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。
- Adaboost算法是一个弱分类器算法（）
- 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/>()
- Bagging方法具有可以并行训练的算法，组合算法可减小方差，基分类器算法需选择小偏差算法的特点。
- 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