Boosting方法-从AdaBoost到LightGBM，涵盖了adaboost xgboost lightgbm等经典boosting方法的原理详细介绍

基于adaboost算法的目标检测代码，线下训练、测试以及线上的验证代码都有，还有相关数据，可直接运行，内含详细的代码注释，适合初学者

使用matlab实现的adaboost代码，直接运行里面的demo.m,就可以运行。

adaboost人脸识别 matlab程序

adaboost算法是一个由多个弱分类器生成一个强分类器的算法，可以提高分类的正确率，这里利用adaboost算法的原理，结合matlab做了一个简单的实例 里面h1-h8为八个弱分类器，adaboost为训练的主函数，test调用了训练函数，对一个样本进行测试，calerr计算每次循环后的错误频率

基于NavieBayes的adaboost算法实现 求分享

内含2500张负样本图片，可用于训练人脸和汽车检测器。

AdaBoost工具箱，实现Real AdaBoost, Gentle AdaBoost和Modest AdaBoost

AdaBoost算法有AdaBoost.M1和AdaBoost.M2两种算法，AdaBoost.M1是我们通常所说的Discrete AdaBoost，而AdaBoost.M2是M1的泛化形式。关于AdaBoost算法的一个结论是:当弱分类器算法使用简单的分类方法时,boosting的效果明显地统一地比bagging要好.当弱分类器算法使用C4.5时,boosting比bagging较好,但是没有前者明显。后来又有学者提出了解决多标签问题的AdaBoost.MH和AdaBoost.MR算法,其中AdaBoost.MH算法的一种形式又被称为Real Boost算法---弱分类器输出一个可能度，该值的范围是整个R, 和与之相应的权值调整，强分类器生成的AdaBoost算法。Python实现该算法。 adabbost原理见博客 http://blog.csdn.net/suipingsp/article/details/41722435

自己整理的bp-Adaboost-ga代码。matlab语言编写，可以作优化，做预测。