我对机器学习甚至编程本身还很陌生，所以如果我要问的问题没有多大意义，我很抱歉。所以我一直在使用 5 种不同且不那么弱的分类器（5 个错误率在 0.25-0.3 左右的神经网络），我一直在为这些分类器实施 AdaBoost。我不明白的是，我是否必须在每次迭代中一遍又一遍地训练所有 5 个分类器，然后计算误差，如果是这样，我如何使用事实，即我应该在某些示例上“更努力地”训练（权重更高)?
我对机器学习甚至编程本身还很陌生，所以如果我要问的问题没有多大意义，我很抱歉。所以我一直在使用 5 种不同且不那么弱的分类器（5 个错误率在 0.25-0.3 左右的神经网络），我一直在为这些分类器实施 AdaBoost。我不明白的是，我是否必须在每次迭代中一遍又一遍地训练所有 5 个分类器，然后计算误差，如果是这样，我如何使用事实，即我应该在某些示例上“更努力地”训练（权重更高)?