AdaBoost scikit-learn相关参数

1.AdaBoostClassifier

base_estimator：弱分类器对象，默认为CART分类树
DecisionTreeClassifier；
algorithm：SAMME和SAMME.R；SAMME表示构建过程中
使用样本集分类效果作为弱分类器的权重；SAMME.R使用对样本集分类的预测概率大小作为弱分类器的权重。由于SAMME.R使用了连续的概率度量值，所以一般迭代比SAMME快，默认参数为SAMME.R；强调：使用SAMME.R必须要求base_estimator指定的弱分类器模型必须支持概率预测，即具有predict_proba方法。
loss：不支持
n_estimators：最大迭代次数，值过小可能会导致欠拟合，值过大可能会导致过拟合，一般50~100比较适合，默认50。
learning_rate：指定每个弱分类器的权重缩减系数v，默认为1；一般从一个比较小的值开始进行调参；该值越小表示需要更多的弱分类器。

2.AdaBoostRegressor

base_estimator：弱回归器对象，默认为CART回归树DecisionTreeRegressor；
algorithm：不支持
loss：指定误差的计算方式，可选参数”linear”, “square”,
“exponential”, 默认为”linear”；一般不用改动。
n_estimators：最大迭代次数，值过小可能会导致欠拟合，值过大可能会导致过拟合，一般50~100比较适合，默认50。
learning_rate：指定每个弱分类器的权重缩减系数v，默认为1；一般从一个比较小的值开始进行调参；该值越小表示需要更多的弱分类器。