论文部分内容阅读
摘要：Boosting是在统计学习理论的基础上发展起来的一种新的集成机器学习方法，并在模式分类领域有了广泛的应用。该文首先分析了Boosting的原理并介绍了其经典算法AdaBoost方法，分别引入三种核函数（多项式核函数、径向基核函数、Sigmoid核函数）集成AdaBoost算法的弱分类器。然后将其应用于两个关于癌症论断的数据集中，通过实验验证了核函数作为弱分类器集成AdaBoost分类器的良好性能。
全文查看链接
我们用Xi，yi来表示样本集S中的样本点和标记点，用Wk(i)表示第k次迭代是全体样本的权重系数，误差概率ek。具体算法描述，如下：
全文查看链接