了解Adaboost理论一部分的问题

Question

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

  

AdaBoost可用于提高任何机器学习的性能   算法。最好与弱学习者一起使用。 这些是   在分类问题上的准确性要高于随机机会。

我不明白上面文本中突出显示的部分（粗体和斜体）要说的是什么。有人可以解释一下吗？

Answer 1

考虑一个两类问题，仅基于机会的绩效为0.5（1/2）。因此，您需要选择一个大于或等于一半的弱分类器。

让我们说您有一些分类器，该分类器的性能为0.51。您可以按照已阅读文章中的步骤进行操作，并通过添加每个弱分类器来提高性能。

他们之所以最适合弱学习者，是因为从实用的角度来看，从计算复杂性和性能折衷方面，您可以获得最大的“好处”。如果您已经有一个分类器，其精度为0.9，那么从提升中获得的收益就不会比从分类器中获得的0.51更高。