《机器学习实战》-Adaboost算法(1)
发布时间
阅读量:
阅读量
adaboost理论相关内容(公式表达)将在后续进行补充完善
1.数据集构建与管理
"""
此处不构建太复杂的数据集,不然可能后面用单层决策树时候,效果不好。
因为用任何一个单层决策树都无法完全分开这五个数据
"""
import numpy as np
def loadSimpData():
datMat = np.matrix([[1,2.1],[2,1.1],[1.3,1],[1,1],[2,1]])
classLabels = [1.0, 1.0, -1.0, -1.0, 1.0]
return datMat,classLabels
loadSimpData()
(matrix([[1. , 2.1],
[2. , 1.1],
[1.3, 1. ],
[1. , 1. ],
[2. , 1. ]]), [1.0, 1.0, -1.0, -1.0, 1.0])
全部评论 (0)
还没有任何评论哟~
