338.txt

This complete matlab for neural network

发信人: jeff814 (mimi), 信区: DataMining
标  题: 请教：boosting方法的实验结果为何会是**？？
发信站: 南京大学小百合站 (Thu Oct 17 09:20:10 2002)


我现在用boosting+决策树的方法做分类，希望性能比单纯用决策树好。但实际是随着迭代
轮数的增加，得到的假设hi的权重反而在减小。即：boosting+决策树得到的假设不如单纯
的决策树好。

虽然boosting方法常常是用来将弱学习提升为强学习。但我看了很多文章的结果，其中的
学习方法本身准确率就比较高。我这里单纯决策树的准确率已经很高了，>90。但用了boo
sting之后，性能也不应该下降得那么厉害啊？
附：权重——轮数
10.273     第一轮
9.262        二
4.793
4.612
5.599
3.032
0.414
2.742
1.595
1.604

只有第五轮和第8轮相对于前，性能有所改善。
而且，就算是最初的准确率很高，不算弱学习。但从第3（或者4）轮开始，准确率已经下
降了很多，实际上已经是弱学习了，为什么后来的结果却得不到提升呢？


--

※ 来源:．南京大学小百合站 http://bbs.nju.edu.cn [FROM: 202.99.41.202]