是否有任何好的教程来解释如何在为样本训练集构建决策树的连续迭代期间对样本进行加权?我想具体说明在构建第一棵决策树后如何分配权重。
决策树是使用信息增益作为锚点设计的,我想知道由于先前迭代中的错误分类被加权,这将如何影响。
任何好的教程/例子都非常感谢。
是否有任何好的教程来解释如何在为样本训练集构建决策树的连续迭代期间对样本进行加权?我想具体说明在构建第一棵决策树后如何分配权重。
决策树是使用信息增益作为锚点设计的,我想知道由于先前迭代中的错误分类被加权,这将如何影响。
任何好的教程/例子都非常感谢。
Freund 和 Schapire 的A Short Introduction to Boosting提供了一个使用 Quinlan 的 C4.5 决策树模型的 AdaBoost 算法的示例。