基于matlab的BP-Adaboost的強分類器分類預測，Adaboost是一種迭代分類算法，其在同一訓練集采用不同方法訓練不同分類器（弱分類器），并根據弱分類器的誤差分配不同權重，然后將這些弱分類器組合成一個更強的最終分類器（強分類器），并一直迭代，直到分類的錯誤率達到之前設定的閾值或者迭代次數達到設定最大迭代次數。程序已調通，可直接運行。

算法介紹 案例：BP算法解決手寫數字識別問題 十四、Tensorflow基礎應用 1.Tensorflow安裝 2.Tensorlfow基礎知識：圖，變量，fetch，feed 3.Tensorflow線性回歸 4.Tensorflow非線性回歸 5.Mnist數據集合Softmax講解 6.使用BP神經網絡搭建手寫數字識別 7

算法介紹 案例：BP算法解決手寫數字識別問題 29號14:00-17:00 十一、Tensorflow基礎應用 1.Tensorflow安裝 2.Tensorlfow基礎知識：圖，變量，fetch，feed 3.Tensorflow線性回歸 4.Tensorflow非線性回歸 5.Mnist數據集合Softmax講解 6.使用BP

鳶尾花分類 2019-09-06 15:30-16:00 五、決策樹算法 1.決策樹算法介紹 2.熵的定義 3.決策樹算法與應用實現 案例：用戶購買行為預測 2019-09-06 16:00-16:30 六、集成算法與隨機森林 1.Bagging算法介紹 2.隨機森林建模方法 3.Adaboost

鳶尾花分類 2019-09-06 15:30-16:00 五、決策樹算法 1.決策樹算法介紹 2.熵的定義 3.決策樹算法與應用實現 案例：用戶購買行為預測 2019-09-06 16:00-16:30 六、集成算法與隨機森林 1.Bagging算法介紹 2.隨機森林建模方法 3.Adaboost