提升作为专家乘积
机器学习
2012-02-20 v1 机器学习
摘要
在本文中，我们推导了一种新颖的基于专家乘积的Boosting概率模型。我们将Boosting算法重新推导为一种贪心增量模型选择过程，该过程确保向集成中添加新专家不会降低数据的似然。这些学习规则产生了一个通用的Boosting算法——POEBoost，在专家概率的某些假设下，该算法与AdaBoost算法相似。然后，本文将POEBoost算法扩展到POEBoost.CS，该算法处理产生概率预测的假设。实验表明，与其他最先进算法相比，该新算法具有更好的泛化性能。
引用
@article{arxiv.1202.3716,
title = {Boosting as a Product of Experts},
author = {Narayanan U. Edakunni and Gary Brown and Tim Kovacs},
journal= {arXiv preprint arXiv:1202.3716},
year = {2012}
}