machine-learning - 决策树桩

我想使用AdaBoost实现Java应用程序，该分类将大象归类为非洲象还是亚洲象。我的大象课程包含以下字段：

int size;
int weight;
double sampleWeight;
ElephantType type; // (which can be Asian or African).

我是AdaBoost的新手，我了解到好的弱分类器是决策树桩。我想知道是否只支持创建2个决策树桩（大小为1个，重量为1个），还是应该制作更多决策树桩（大小上几乎没有不同，而重量上很少几个）？创建分类器的模样如何？

最佳答案

您将创建许多决策树桩。增强点是，每次创建新的分类器（在您的情况下是决策树桩），您都会增加分类器分类错误的所有实例的权重（重要性），以便下一个分类器将更多的注意力集中在分类错误的实例上。您可以随机选择在树桩中为每个步骤使用的两个功能。创建完整个分类器（树桩）集后，它们将使用多数表决权对新实例进行分类。

关于machine-learning - 决策树桩，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/12114180/