非凸提升算法克服随机标签噪声
机器学习
2014-09-11 v1
摘要
AdaBoost 对随机标签噪声的敏感性是一个已被广泛研究的问题。LogitBoost、BrownBoost 和 RobustBoost 是声称比 AdaBoost 对噪声不那么敏感的提升算法。我们展示了在合成数据集和真实数据集上评估这些算法的实验结果。我们比较了当标签被不同水平的独立标签噪声破坏时，各算法在每个数据集上的性能。在存在随机标签噪声的情况下，我们发现 BrownBoost 和 RobustBoost 的表现显著优于 AdaBoost 和 LogitBoost，而每对算法之间的差异并不显著。我们基于算法的间隔分布（margin distributions）对这种差异提供了解释。
引用
@article{arxiv.1409.2905,
title = {Non-Convex Boosting Overcomes Random Label Noise},
author = {Sunsern Cheamanunkul and Evan Ettinger and Yoav Freund},
journal= {arXiv preprint arXiv:1409.2905},
year = {2014}
}