machine-learning - 决策树桩

Question

我想使用 AdaBoost 实现一个 java 应用程序，它可以分类大象是非洲大象还是亚洲大象。我的大象类有字段：

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。我想知道我是否应该只创建 2 个决策树桩（1 个用于大小，1 个用于重量）还是应该创建更多决策树桩（大小不同，重量不同）？分类器的创建到底是什么样子的？

Answer 1

您将创建许多决策树桩。提升的重点是，每次创建新分类器（在您的情况下为决策树桩）时，您将增加分类器错误分类的所有实例的权重（重要性），以便下一个分类器更多地关注错误分类的实例。您可以随机选择每个步骤在树桩中使用的两个功能。一旦您创建了整套分类器（树桩），它们就会使用多数票对新实例进行分类。