AdaBoost 权重的演化揭示了哪些样本难以分类
机器学习
2007-05-23 v1 数据结构与算法
摘要
AdaBoost 算法中权重的动态演化包含有关与相关数据点在构建 AdaBoost 模型中所起作用的信息。特别是，这种演化会导致数据集被划分为两个（容易/困难）类别。容易的样本对模型的构建影响不大，而困难样本的变化重要性可以用其演化相关的熵值来衡量。熵的光滑近似值揭示了分类最不确定的区域。当将所提出的方法应用于最优抽样框架时，获得了有前景的结果。
引用
@article{arxiv.cs/0201014,
title = {The Dynamics of AdaBoost Weights Tells You What's Hard to Classify},
author = {Bruno Caprile and Cesare Furlanello and Stefano Merler},
journal= {arXiv preprint arXiv:cs/0201014},
year = {2007}
}
备注
7 pages, LaTeX, 4 figures