【发布时间】：2013-07-05 09:24:10
【问题描述】：
使用强（而不是弱，错误率接近随机）分类器进行提升的效果是什么？有没有可能一个强分类器本身比在 adaboost 中使用这个强分类器和一堆弱分类器时表现得更好？
【问题讨论】：
【发布时间】：2013-07-05 09:24:10
【问题描述】：
是的，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，总会有不适合特定算法/启发式的数据集（甚至是它们的组合）。
当您在不同的数据集上使用相同错误率的算法时，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。但是boosting基础中的定理规定它的下限是弱分类器束。如果你使用小于弱分类器，它就不起作用。
根据我的经验，我从来没有发现过这样一个问题：我发现了一个如此优秀/强大的分类器，以至于任何其他分类器（比随机分类器更好）都无法通过提升某些数据集来提高性能。
【讨论】：