Techniques d'ensemble - Boosting
Question
Je comprends que Boosting est une technique d'apprentissage séquentielle et il utilise la prédiction du modèle précédent comme ensemble de données pour un nouveau modèle, après avoir ajouté du poids aux points de données mal classés. Le point qui n'était pas clair comment les poids sont ajoutés pour ceux mal classés et diminuaient pour les poids correctement classés. Ce serait formidable si les anciens combattants peuvent m'aider à comprendre cela
Merci d'avance
Pas de solution correcte
Licencié sous: CC-BY-SA avec attribution
Non affilié à datascience.stackexchange