论文部分内容阅读
借鉴Friedman提出的基于函数空间的梯度下降搜索的思想,提出了一种新的集成学习算法——LS-Ensem算法.该算法只要求个体函数满足一个很宽松的条件,从而避免了每轮迭代中寻找最优个体函数所需的大量计算,显著地降低了算法的计算复杂性.理论分析表明该算法具有指数级收敛速度以及良好的泛化性能,文中还给出了泛化误差的界.仿真结果验证了理论分析的结论,并且还显示出LS-Ensem算法能够有效地抑制过拟合发生.