最优弱到强学习的多面性
机器学习
2024-09-02 v1 数据结构与算法
摘要
Boosting 是一个极其成功的思想，它允许将多个低精度分类器组合成一个精度高得多的投票分类器。在这项工作中，我们提出了一种新颖且出奇简单的 Boosting 算法，该算法获得了可证明的最优样本复杂度。样本最优的 Boosting 算法直到最近才被开发出来，而我们的新算法在所有此类算法中运行时间最快，且描述最简单：将训练数据划分为 5 个大小相等的不相交片段，在每个片段上运行 AdaBoost，然后通过多数投票组合所得的分类器。除了这一理论贡献外，我们还对所提出的样本最优 Boosting 算法进行了首次经验比较。我们的初步经验研究表明，我们的新算法在大型数据集上可能优于以前的算法。
引用
@article{arxiv.2408.17148,
title = {The Many Faces of Optimal Weak-to-Strong Learning},
author = {Mikael Møller Høgsgaard and Kasper Green Larsen and Markus Engelund Mathiasen},
journal= {arXiv preprint arXiv:2408.17148},
year = {2024}
}