名前
weka.classifiers.meta.AdditiveRegression

---

構文
復帰の性能を高めるメタクラシファイアクラシファイアを基礎づけてください。 各繰り返しはあと残差にモデルに合います。前の繰り返しでのクラシファイアで。 予測はそうです。それぞれのクラシファイアの予測を加えることによって、達成されます。収縮(学習率)パラメタが防ぐのを助ける減少「過剰-合」って、滑らかになっている効果を持ちますが、学習を増加させます。時間。 詳しい情報に関しては、見てください: フリードマン、J.H.(1999)。 推計的勾配の上げ。 技術報告書スタンフォード大学。http://www-stat.stanford.edu/~jhf/ftp/stobst.ps.

オプション
classifier -- 使用されるベース分類器．

debug -- trueに設定されると，分類学習アルゴリズムは追加インフォメーションをコンソールに出力します．

numIterations -- 実行されるべきである繰り返しの数。

shrinkage -- 収縮率。 そしてより小さい値が、「過剰-合」うのを防ぐのを助ける。スムージング効果を持ってください(学習時間を増加させてください)。ieデフォルト=1.0、収縮がありません。