上一讲主要利用不同模型计算出来的g，采用aggregation来实现更好的g。如果还没有做出来g，我们可以采用bootstrap的方法来做出一系列的“diversity”的data出来，然后训练出一系列的g，比如PLA来说，虽然模型一样，就是直线对二维平面的分割，模型都为直线，那么我们利用bootstrap来做出不同的数据，然后计算出不同的g，然后融合后就可以得到很好的效果。或者也可以通过调整PLA的初始值来训练，得到一堆g，最后融合（parameter diversity，random initial。。。）上一讲主要利用不同模型计算出来的g，采用aggregation来实现更好的g。如果还没有做出来
阅读背景：
机器学习技法总结（五）Adaptive Boosting, AdaBoost-Stump,决策树
来源：互联网
分享到：
