使用强（而不是弱，错误率接近随机）分类器进行 boosting 会产生什么效果？一个强分类器单独使用是否会比在 adaboost 中与一堆弱分类器一起使用时表现更好？
对的，这是可能的。一切都取决于您的学习数据集。看看没有免费的午餐定理，总是有一些数据集不适合特定的算法/启发式（甚至是这些算法/启发式的组合）。
当您在不同的数据集上以相同的错误率使用算法时，提升的事情会变得更有趣。分类器应该强或弱的事实并不会改变提升的好处。但boosting基础定理规定它的下限是一堆弱分类器。如果你使用的分类器少于弱分类器，它就不起作用。
根据我的经验，我从未发现过这样的问题：我发现一个如此好的/强大的分类器，以至于任何其他分类器（比随机更好）都无法通过提升某些数据集来提高性能。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
