對於adaboost演算法而言，迭代幾次就產生幾個基本分類器，當然分類器的個數越多分類的精度越高。那麼怎麼確定迭代的次數呢，在我的理解而言，之所以設定迭代次數，是因為當資料量很大的時候，如果還想讓模型保持極高的精度，那麼所消耗的時間也一定很久，所以為了保證精度的同時保證演算法效率，那麼在程式的迭代的終止條件需要有兩個：
一是迭代次數，這個迭代次數設定為在你的計算機的計算能力下，你所能容忍的時間限制
二是分類精度，資料量不是很大的時候，只用精度乙個條件足夠。
這是我對adaboost演算法迭代次數的一些理解，對於其他演算法的迭代次數，我感覺也是類似的道理。
我的理解可能存在很大的問題，希望看到本部落格的理解比較透徹的大牛給予我一些建議，感激不盡。。。
adaboost的理解和複習
本文主要是對adaboost的複習，把adaboost知識結構化，溫故而知新 1 第一輪訓練，初始化樣本權重為 1 n frac n1 2 通過第一輪樣本權重，對第乙個基學習器進行訓練，獲得第乙個基學習器和第乙個基學習器的 錯誤率 t epsilon t t 3 通過第乙個基學習器的 t epsil...
關於迭代的理解
參考自 參考自 參考自 迭代 迭代的使用場景 陣列的資料量很大 迭代是迴圈的一種方式,逐個訪問列表的某一項,能夠迴圈輸出陣列中所有的元素 迭代只能對應集合，列表，陣列等。不能對執行 進行迭代.迭代是重複的活動，其目的通常是為了逼近結果。每一次對過程的重複稱為一次 迭代 而每一次迭代得到的結果會作為下...
我對adaboost的一點理解
我理解的adaboost演算法 由程式反觀演算法 容易在介紹adaboost 演算法的文章中找到其演算法流程 我的疑問 1 第三步如何根據訓練資料訓練弱分類器？弱分類器的個數由什麼定，特徵維 數？2 第四步那個公式什麼意思？3 第七步如何歸一化？4 第八步怎麼理解？很多文章是這樣來介紹adaboos...