宣告： 這篇筆記是自己對adaboost原理的一些理解，如果有錯，還望指正,俯謝～
adaboost演算法，這個演算法思路簡單.
adaboost演算法，是一種組合演算法（
通過多個弱分類器，組合成乙個強分類器）:
關於adaboost演算法的流程，簡單的描述,我們以ａ short introduction to boosting中提到的用adaboosting進行二分類來描述一
下adaboost演算法的具體流程:
1； 不妨假設給定要訓練的資料報含下面三個資訊data; 注意：num表示的分類的數目，這裡num=2;
1.1 data也是乙個大小n的陣列，我們這裡假定有ｔ個弱分類器（ｔ的大小需要自定義，原則上越大越好，但是ｔ了會有效能問題，
需要主觀把握一下）,其中value,values中的值取值範圍在｛-1,+1｝之間取捨.
2, 初始化data陣列中的weight=1/n;
3, for t = 1,...,t;
3.1 使用第ｔ個弱分類器對資料data進行分類，然後得到分類的陣列ht:x -> ;
3.2 統計分類錯誤率：
3.3 計算a的值，並儲存在陣列中，計算公式：
3.4 更新資料data中的權重weight
注：zt是歸一化函式，將 ｚ = sqrt( et(1-et) );
3.5 data中的權重weight更新完成之後，t=t+1,重新將新的權重的data交給下乙個弱分類器進行分類，重複３～3.5;
最後將得到的ａt , ht（ｘ），進行累成，
5計算accuray:
以上就是整個adaboost原理的詳細流程，更加形象的流程圖，出自依據prml；
附錄：如果理解了上面流程之後，建議移步去這個地方學習一下，因為對有些公式給予了證明，因為當時證明的時候，
參考的是那兒的，所以直接給出源吧：
web資料探勘（學習筆記） 觀點挖掘
觀點挖掘 1.主要挖掘非結構化的文字，涉及自然語言處理技術 2.網路已經顯著改變人們表達觀點的方式，使用者生成的內容已經成為 的一種形式 3.主要研究三方面的觀點挖掘的任務 意見分類 基於特徵觀點挖掘和摘要 比較句子和比較關係挖掘 4.意見分類 文件層次上分類，將評價分類到正面，或者負面。當前大多研...
資料探勘學習筆記 3
常見的資料融合方法有 靜態的融合方法，如加權最小平方等 動態的融合方法，如遞迴加權最小平方 卡爾曼濾波 小波變換的分布式濾波等 基於統計的融合方法，如馬爾可夫隨機場 最大似然法 貝葉斯值等 基於資訊理論演算法的方法，如聚集分析 自適應神經網路 表決邏輯 資訊熵 基於模糊集理論的聚類方法等。資料清理的...
資料探勘學習筆記（二）
1 認識資料 1.1 資料物件和屬性型別 資料集由資料物件組成。乙個資料物件代表乙個實體。通常，資料物件用屬性描述。資料物件又稱樣本 例項 資料點或物件。1.1.1 什麼是屬性 屬性 attribute 是乙個資料字段，表示資料物件的乙個特徵。用來描述乙個給定物件的一組屬性稱做屬性向量 或特徵向量 ...