AdaboostOnMNIST：这是Adaboost算法的实现，它使用两个不同的弱学习器从头开始实施：决策树分类器和梯度提升分类器。 Adaboost在MNIST上运行以告知奇数和偶数。经过scikit Learn模型的adaboost测试，并获得了更高的分数。最小的训练误差为％1.8，在7次迭代中进行了梯度增强 - 源码 - 源码 - 免费下载

AdaboostOnMNIST：这是Adaboost算法的实现，它使用两个不同的弱学习器从头开始实施：决策树分类器和梯度提升分类器。 Adaboost在MNIST上运行以告知奇数和偶数。经过scikit Learn模型的adaboost测试，并获得了更高的分数。最小的训练误差为％1.8，在7次迭代中进行了梯度增强

文件大小： 2k

源码售价： 10 个金币积分规则积分充值

充值1元得10金币

资源说明：AdaboostOnMNIST 这是使用两个不同的弱学习者从头开始实现Adaboost算法的方法：决策树分类器和梯度提升分类器。 Adaboost在MNIST上运行以告知奇数和偶数。经过scikit Learn模型的adaboost测试，并获得了更高的分数。最小的训练误差为％1.8，在7次迭代中进行了梯度增强。函数调用为adaboost（X_train，Y_train，inversions_t，Classifier_type），有两种类型的分类器，“ Gradient_Boost”和“ Decision_tree”可以放入第4个输入中。 adaboost返回一个4元组（stump，stump_weights，errors，D_weights）您可以使用predict（stumps，stump_weights，X_test）对训练集进行预测。这将返回该X_test的标签数组

部分文件列表（点击文件名可查看文件内容）

					
									本源码包内暂不包含可直接显示的源代码文件，请下载源码包。