本文共 3094 字，大约阅读时间需要 10 分钟。

简要叙述一下AdaBoost算法的主要过程：

AdaBoost为每个数据样本分配权重，权重符合概率分布，初始权重符合均匀分布，串行训练M个模型，依据每轮训练的模型的错误率（被误分类样本的权重之和）确定当前模型在最终模型中的权重，以及更新训练样本的权重，误分类样本权重升高，分类正确的样本权重降低。

下图的算法流程来自于《统计学习方法》。

下面通过具体的实例来理解AdaBoost算法的流程，例子来自于《统计学习方法》。

第一轮迭代：

此时得到的组合模型中只有一个 ，此时 的分类结果就是最终模型的分类结果。第一轮迭代中6,7,8（6,7,8指的是x的值，不是指的序号）被误分类。此时得到的组合模型在训练数样本上的预测结果如下：

其中sign符号函数如下：

第二轮迭代：

第二轮迭代中3,4,5被误分类，此时得到的最终模型是前两轮模型的线性组合。那么在当前的组合条件下 的分类结果是怎样的？

第三轮迭代：

第三轮迭代中0,1,2,9被误分类，此时得到的最终模型是前三轮模型的线性组合。那么在当前的组合条件下 的分类结果是怎样的？

经过三轮迭代之后，在训练集上的错误率为0。

nTrainPosData = 200;nTrainNegData = 200;nLevels = 200;W = 19;H = 19; PTrainData = zeros(W, H, nTrainPosData);NTrainData = zeros(W, H, nTrainNegData);%% read train datafileFolder = '.\Datasets\FACES\';pfiles = dir(fullfile(strcat(fileFolder,'*.pgm')));fileNames = {pfiles.name}';      %转换成细胞数组aa = 1:length(pfiles);          %这段程序还没有看懂          a = randperm(length(aa));trainPosPerm = aa(a(1:nTrainPosData));for i=1:size(PTrainData,3)    PTrainData(:,:,i) =imread(strcat(fileFolder,fileNames{i}));endfileFolder = '.\Datasets\FACES\';nfiles = dir(fullfile(strcat(fileFolder,'*.pgm')));fileNames = {nfiles.name}';      %转换成细胞数组aa = 1:length(nfiles);          %这段程序还没有看懂 a = randperm(length(aa)); trainNegPerm = aa(a(1:nTrainNegData));for i=1:size(NTrainData,3)    NTrainData(:,:,i) =imread(strcat(fileFolder,fileNames{i}));end%% read test datatestPosPerm = setdiff(1:length(pfiles), trainPosPerm);testNegPerm = setdiff(1:length(nfiles), trainNegPerm);PTestData = zeros(W, H, length(testPosPerm));NTestData = zeros(W, H, length(testNegPerm));fileFolder = '.\Datasets\FACES\';pfiles = dir(fullfile(strcat(fileFolder,'*.pgm')));fileNames = {pfiles.name}';      %转换成细胞数组% for i=1:size(PTestData,3)for i=1:200    PTestData(:,:,i) =imread(strcat(fileFolder,fileNames{i}));endfileFolder = '.\Datasets\FACES\';nfiles = dir(fullfile(strcat(fileFolder,'*.pgm')));fileNames = {nfiles.name}';      %转换成细胞数组% for i=1:size(NTestData,3)for i=1:200       NTestData(:,:,i) =imread(strcat(fileFolder,fileNames{i}));end%%Cparams = Train(PTrainData, NTrainData, PTestData, NTestData, nLevels);save('.\Cparams.mat', 'Cparams');

完整代码添加QQ1575304183

转载地址：https://blog.csdn.net/qq_34763204/article/details/116352802 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！