从偏差-方差权衡的角度看，AdaBoost主要关注降低偏差，因此AdaBoost能基于泛化性能相当弱的分类器构建出很强的集成分类器。
A: 正确
B: 错误
A: 正确
B: 错误
举一反三
- 中国大学MOOC: 从偏差-方差权衡的角度看，AdaBoost主要关注降低偏差，因此AdaBoost能基于泛化性能相当弱的分类器构建出很强的集成分类器。
- Adaboost算法是一个弱分类器算法（）
- 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
- 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/>()