詳細

訓練段階

モデルは以下のように Freund メソッド [Freund01] を使用して訓練されます。

1. c = erfinv²(1 - ε) を計算します。ここで、

   erfinv(x) は逆誤差関数、

   ε は次のように定義されるアルゴリズムのターゲット分類誤差

   

   

   erf(x) は誤差関数、

   h_i(x) は i 番目 (i = 1,...,M) の弱学習器により式で表された仮説、

   α_i は仮説の重みです。

2. 初期予測値を設定します。r₁(x, y) = 0

3. 残り時間を設定します。s₁ = c

4. i=1,2,... で、s_i+1≤ 0 になるまで以下の操作を繰り返します。

   1. 各特徴ベクトルと正の重みのラベルを関連付けます。

      

   2. W_i(x, y) を正規化して定義した分散で弱学習器を呼び出し、仮説 h_i(x) を受け取ります。

   3. 次の微分方程式を解きます。

      
      

      境界条件 t = 0 および α = 0 で t_i = t* > 0 および α_i = α* を見つけます (γ≤ν または t* = s_i のいずれか)。ここで、ν は変換を中止するために必要な小さな定数です。

   4. 予測値を更新します。r_i+1(x, y) = r_i(x, y)+ α_ih_i(x)y

   5. 残り時間を更新します。s_i+1 = s_i - t_i

   繰り返し終了

モデル訓練の結果は M 弱学習器の配列 h_i です。

予測段階

BrownBoost 分類器と r 特徴ベクトル x₁,…,x_r で、次のルールを使用して最終的な分類信頼度 (区間 [-1, 1] の数) を計算します。