Perceptro n &LR& Boosting
\begin{align*} &Perceptron:\sum-yf_w(x)\\ &LR:\log_2(1+\exp(-yf_w(x))\\ &AdaBoost:\exp(-yf_w(x)) \end{align*}
可以看出，相较于简单的感知机模型，后两种模型的损失函数更加光滑，且对噪声数据比较明显（分类错误误差的增加比较多）
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 小明的博客！
相关推荐
评论