[什么是强分类器]如何将弱分类器合并为一个强分类器？

通过学习算法，反复学习恶习得到一系列弱分类器，将这些弱分类器组合起来构成一个强分类器。 也就是说，假设有很多数据data使用逻辑回归或SVM算法用分类器data对当前数据集进行分类。 如果在某个数据通过第一个分类器后发现正确，而另一个数据通过第一个分类器后发现数据分类错误，则可以在进入下一轮之前对这些数据执行更改权重操作。 也就是说，上次分类对象的数据的权重变小，上次分类错误的数据的权重变大。最后用n个分类器进行分类，得到结果集

为了解决问题，如何将弱分类器(如上所述每次分类时通过的每个分类器都是弱分类器)合并为一个强分类器？ 增大分类误差小瑞分类权重，减小分类误差大的弱识别器权重

以乳腺癌为例比较三种算法

执行结果

代码中出现的是x的值

第一棵树可视化

执行结果

第二棵树可视化

第三课树可视化

3.1.2gini系数的计算

在此计算的x值也就是v的值

从上图可以看出，第一棵树的X=2.5的由来方式进行了如下编码

3.1.3求误差

3.1.4计算初始学习器权重

3.1.5与新样品的权重

根据以下执行结果可知，在预测结果与原始数据不同的情况下，与该样本对应的权重也变大； 相反，如果预测正确，权重就会变小

即第二课数计算

3.2.1 gini系数的计算

3.2.2分割阈值

3.2.3计算误差

3.2 .计算第4个弱学习器的权重

3.2.5与新样本的权重

3.3.1 gini系数

3.3.2分割阈值

3.3.3计算误差

3.3 .计算第4个弱学习器的权重

3.3.5新权值