一種多分類的AdaBoost算法

　　多類指數(shù)損失函數(shù)逐步添加模型（ SAMME）是一種多分類的AdaBoost算法，為進(jìn)一步提升SAMME算法的性能，針對使用加權(quán)概率和偽損失對算法的影響進(jìn)行研究，在此基礎(chǔ)上提出了一種基于基分類器對樣本有效鄰域分類的動態(tài)加權(quán)AdaBoost算法SAMME. RD。首先，確定是否使用加權(quán)概率和偽損失；然后，求出待測樣本在訓(xùn)練集中的有效鄰域；最后，根據(jù)基分類器針對有效鄰域的分類結(jié)果確定基分類器的加權(quán)系數(shù)。使用UCI數(shù)據(jù)集進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明：使用真實(shí)的錯(cuò)誤率計(jì)算基分類器加權(quán)系數(shù)效果更好；在數(shù)據(jù)類別較少且分布平衡時(shí)，使用真實(shí)概率進(jìn)行基分類器篩選效果較好；在數(shù)據(jù)類別較多且分布不平衡時(shí)，使用加權(quán)概率進(jìn)行基分類器篩選效果較好。所提的SAMME. RD算法可以有效提高多分類AdaBoost算法的分類正確率。
?