强分类器增强效果

Question

使用强（而不是弱，接近随机的错误率）分类器提升的效果是什么？强大的分类器本身是否有可能比在adaboost中使用这个强分类器以及一堆弱分类器时表现更好？

Answer 1

是的，有可能。全部取决于您的学习数据集。看看没有免费的午餐定理，总有一些数据集不适合特定的算法/启发式（甚至是thoses的组合）。

当你在不同数据集上使用相同错误率的算法时，事情变得更有趣。分类器应该强或弱的事实不会改变助推的好处。但是在提升基础上的定理指出其下限是一堆弱分类器。如果你使用弱于弱分类器，它将无法工作。

根据我的经验，我从来没有发现一个问题，我发现一个如此优秀/强大的分类器，任何其他分类器（优于随机）不会通过提升某些数据集来提高性能。