面向目标的带先验概率的AdaBoost算法

• 作 者: 赵向辉 姚宇 付忠良 苗青 谢会云
• 机 构: 中国科学院成都计算机应用研究所,中国科学院研究生院
• 出 处: 四川大学学报(工程科学版)
• 发表日期: 2010年2期
• 关键词: 集成学习 ADABOOST算法 分类器组合 先验概率 ensemble learning AdaBoost algorithm combination of c

针对集成学习算法研究中多个分类器的最佳组合问题,改进了传统的AdaBoost集成学习算法。用于组合的各个分类器通常是基于样本集通过一定的训练得到,样本集中不同类目标的比率可以反映分类目标的先验概率。使用该参数给出了新的组合参数和投票表决阈值计算公式,巧妙的利用样本权值并将其加入到样本属性上进行训练学习,采用新的策略来选择基分类器,给出了面向目标的带先验概率的AdaBoost算法（GWPP AdaBoost算法）和分类器的最佳组合。依据UCI实验数据对传统的AdaBoost算法、Bagging算法、GWPP