文件名称:
健壮的多类AdaBoost算法，用于标签错误的嘈杂数据
开发工具:
文件大小: 1mb
下载次数: 0
上传时间: 2021-03-14
详细说明：AdaBoost在理论上和经验上都被证明是一种非常成功的整体学习算法，它可以迭代地生成一组多样化的弱学习者，并使用加权多数投票规则作为最终决定来组合其输出。 但是，在某些情况下，AdaBoost会导致过度拟合，特别是对于标签错误的嘈杂训练示例，会导致其泛化性能下降和不稳健。 最近，有人提出了一种有代表性的方法，即基于噪声检测的AdaBoost（ND_AdaBoost），以提高AdaBoost在两类分类方案中的鲁棒性，但是，在多类方案中，这种方法很难获得令人满意的性能。出于以下三个原因。 （1）如果我们使用一对多或一对多策略分解多类分类问题，则获得的两类问题通常具有不平衡的训练集，这会对ND_AdaBoost的性能产生负面影响。 （2）如果我们直接将ND_AdaBoost应用于多类分类方案，则它的两类损失函数不再适用，并且其对（弱）基本分类器的准确性要求（即大于0.5）太强而无法几乎满意。 （3）ND_AdaBoost仍然具有过度拟合的趋势，因为它会增加正确分类的带噪示例的权重，这可能使其在以后的迭代中专注于学习这些带噪示例。 为了解决这个难题，本文提出了一种鲁棒的多类AdaBoost算
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
