adaboost回归预测时样本权重怎么体现呢?在分类问题上(一般弱学习器为决策树)迭代后更新样本权重继续训练,可以根据选取划定阈值计算误差率体现这个权重作用,但是如果弱学习器为ELM时(或者神经网络),没有划定阈值这个过程,每一次训练结果还是相同的。第一次权重更新后,如何用更新权重的样本进行训练?求描述详细些。
4条回答 默认 最新
悬赏问题
- ¥15 Qt下使用tcp获取数据的详细操作
- ¥15 idea右下角设置编码是灰色的
- ¥15 全志H618ROM新增分区
- ¥15 在grasshopper里DrawViewportWires更改预览后,禁用电池仍然显示
- ¥15 NAO机器人的录音程序保存问题
- ¥15 C#读写EXCEL文件,不同编译
- ¥15 MapReduce结果输出到HBase,一直连接不上MySQL
- ¥15 扩散模型sd.webui使用时报错“Nonetype”
- ¥15 stm32流水灯+呼吸灯+外部中断按键
- ¥15 将二维数组,按照假设的规定,如0/1/0 == "4",把对应列位置写成一个字符并打印输出该字符