我正在尝试使用AdaBoost算法实现一个应用程序。我知道AdaBoost使用了一组弱分类器，但我不知道这些弱分类器是什么。你能用一个例子向我解释一下，告诉我是否必须创建自己的弱分类器，或者我是否想要使用某种算法？
答案 0 :(得分：20)
Weak classifiers（或弱学习者）是仅比随机分类器稍微好一点的分类器。因此，这些分类器对如何预测正确的标签有一定的线索，但不像强大的分类器那样，例如Naive Bayes，Neurel Networks或SVM。
最简单的弱分类器之一是Decision Stump，它是一级决策树。它为一个功能选择一个阈值，并在该阈值上分割数据。然后，AdaBoost将训练这些决策树桩的军队，每个决策树桩都集中在数据特征的一部分上。
答案 1 :(得分：9)
当我使用AdaBoost时，我的弱分类器基本上是每个数据属性的阈值。这些阈值需要具有超过50％的性能，否则它将是完全随机的。
以下是关于Adaboost以及如何计算这些弱分类器的精彩演示： http://www.cse.cuhk.edu.hk/~lyu/seminar/07spring/Hongbo.ppt