我所学到的关于弱学习者的一切（特别是与AdaBoost相关）说他们必须有错误＆lt; 1/2用于任何训练数据的分配。我想我一定是误解了这个，所以如果有人能指出下面我逻辑中的缺陷，我将不胜感激：
假设一个弱学习者错误分类了一个例子（称之为x）。然后，考虑在该示例x上具有100％权重并且在每个其他示例上具有0％权重的分布。显然，弱学习者对于该分布将具有1的误差，其> 1。 1/2。通过我对定义的理解，这意味着它并不是一个真正弱的学习者。因此，如果弱学习者甚至错误地分类了单个样本数据，那么它就不会出现错误＆lt;任何分布的1/2。但这意味着一个弱小的学习者必须是完美的，我知道这一点无视整个弱势学习者群体的整体观点，而且只是疯狂的谈话。
所以，我必须误解弱学习者出现错误的含义＆lt;任何分布的1/2。什么＆＃34;任何＆＃34;实际上是什么意思？
答案 0 :(得分：1)
在2类问题中，随机学习者将错误= 0.5。在实践中，这是最糟糕的错误，因为您可以将具有超过0.5个错误的每个学习者编辑为恰好相反 - 意味着相反的学习者错误将是1-（第一个学习者的错误）。 此外，在一个示例中测量误差是非常有问题的，并且可能无法正确表示真实误差。 因此，如果最差的误差是0.5（正如我们所看到的那样，我们可以让任何学习者的误差小于0.5），那么每个弱学习者的提升需要更高的准确度，以便将它们组合在一起并且＆＃34;提升＆＃34 ;