理解 Adaboost 理论的一部分的问题

Question

来源：-https://machinelearningmastery.com/boosting-and-adaboost-for-machine-learning/

AdaBoost 可用于提升任何机器学习的性能 算法。它最适合弱学习者使用。 这些型号 在分类问题上达到略高于随机机会的准确度。

我不明白上述文本中突出显示的（粗体和斜体）部分想要表达什么。有人可以解释一下吗？

Answer 1

考虑一个二分类问题，仅基于机会的性能是 0.5 (1/2)。所以，你需要选择一个正确大于或等于一半次的弱分类器。

假设您有一些分类器可以为您提供 0.51 的性能。您按照您已经阅读过的文章中的步骤进行操作，并且通过添加每个弱分类器，性能会有所提高。

他们提到它最适用于弱学习器的原因是，从实际角度来看，就计算复杂性和性能权衡而言，您可以从中获得最高的“好处”。如果你已经有一个准确率是 0.9 的分类器，那么从提升中获得的收益不会像从一个说是 0.51 的分类器开始那样多。