对Adaboost算法的基本了解

Question

我是一名机器学习新手，试图了解 Adaboost 的工作原理。

我读过很多文章，解释 Adaboost 如何利用 set of weak *classifiers*创建一个强分类器。

但是，我似乎无法理解“Adaboost 创建强分类器”的说法。

当我查看Adaboost 的实现时，我意识到它并没有“实际上”创建一个强分类器，而是在测试阶段以某种方式计算出“如何使用一组弱分类器来获得更准确的结果”，这反过来又像一个强分类器“集体”。

所以从技术上讲，没有创建单一的强分类器（但一组弱分类器共同充当强分类器）。

如果我错了，请纠正我。如果有人能在这方面投入一些 cmet，那就太好了。

Answer 1

分类器是一个接收输入（特征向量）并返回输出（标记向量）的黑盒。因此，要称某事物为分类器，您只关心它的 功能，而不是 如何 它。 AdaBoost的分类器可以看成是这样一个黑盒，所以它确实是一个单一的分类器，即使它内部使用了几个弱分类器来产生这样的输出。