多数投票分类器何时有益？
统计理论
2013-07-25 v1 机器学习
统计理论
摘要
Schapire (1990) 在其开创性工作中证明了弱分类器可以被提升以达到任意高的准确率，但他从未暗示简单的多数投票机制总能奏效。通过比较多数投票分类器的渐近误分类误差与平均个体误差，我们发现了一个有趣的相变现象。对于具有相等先验概率的二元分类，我们的结果表明，要使多数投票机制生效，弱分类器集合必须满足最低要求：平均真正率至少为 50%，且平均假正率至多为 50%。
引用
@article{arxiv.1307.6522,
title = {When is the majority-vote classifier beneficial?},
author = {Mu Zhu},
journal= {arXiv preprint arXiv:1307.6522},
year = {2013}
}
备注
Submitted to "The American Statistician", January 2013; revised, July 2013