我刚刚开始使用Adaboost学习决策树,并在OpenCV上进行尝试,并遇到了一些问题。
增强决策树
我知道当我将Adaboost与决策树配合使用时,我会不断使决策树适应训练数据的加权版本。分类以加权多数票进行
在使用Adaboost训练决策树时,我可以改用Bootstrapping吗?也就是说,在将分类器输入Adaboost之前,我们选择数据集的子集并在每个子集上训练一棵树。
增强决策树桩
我是否对决策树桩使用相同的技术?还是我可以创建等于要素数量的树桩?即如果我有两个具有10个功能的类,则在将分类器输入Adaboost之前,我会为每个功能总共创建10个决策树。
最佳答案
AdaBoost不仅在不同的子集中训练分类器,而且还根据达到的组装性能来调整数据集元素的权重。详细描述可以在here中找到。
是的,您可以使用相同的技术来训练决策树桩。该算法大致如下:
关于c++ - 决策树/树桩与Adaboost,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/38829052/