集成学习的Boosting算法通过结合多个弱学习器组成强学习器，AdaBoost算法是Boosting算法中的一种，本文详细的总结了AdaBoost算法。
2018-12-29 16:08
本文详细总结了AdaBoost算法的相关理论，本文详细推导了AdaBoost算法的参数求解过程以及讨论了模型的过拟合问题。
2019-01-07 18:26
从上述问题的角度出发，集成学习分为两类流派：Bagging与Boosting。Bagging（Bootstrap Aggregating）对训练数据擦用自助采样（boostrap sampling），即有放回地采样数据；每一次的采样数据集训练出一个基分类器，经过MM次采样得到MM个基分类器，然后根据最大表决（majority vote）原则组合基分类器的分类结果。
2018-09-23 10:02
AdaBoost效果不错，但为何这一算法如此成功却缺乏解释，这正是一些疑惑产生的源头。有些人认为AdaBoost是一个超级算法，一枚银弹，但另一些人顾虑重重，相信AdaBoost只不过是过拟合。
2018-11-08 09:21
大数据分析性能的好坏，也就是说机器学习预测的准确率，与使用的学习算法、问题的性质、数据集的特性包括数据规模、数据特征等都有关系。一般地，Ensemble方法包括Random Forest和AdaBoost、SVM、Logistic Regression 分类准确率最高。
2018-01-05 14:37
Adaboost 算法是Freund 和Schapire 于1995 年提出的，全称为Adaptive Boosting。它是 Boosting 算法的改进，意为该算法通过机器训练与学习不断自适应
2019-05-16 15:17
