试题详情

Boosting算法对正确分类的数据增加权重，对错误分类的数据减小权重

Boosting和Bagging都是组合多个分类器投票的方法，二者都是根据单个分类器的正确率确定其权重。

算法可以直观解释为：当一个实例点被误分类，即位于分离超平面的错误一侧时，则调整模型权重，使分离超平面向该误分类点的一侧移动，以减少该误分类点与超平面之间的距离，直至超平面越过该误分类点使其被正确分类

保存权重数据使用的方法是？

增加神经网络层数, 总是能减小训练数据集的分类错误率