Usando Adaboost con SVM para la clasificación

Question

Sé que Adaboost intenta generar un fuerte clasificador utilizando una combinación lineal de un conjunto de clasificadores débiles.

Sin embargo, he leído algunos artículos que sugiere Adaboost y SVMs trabajar en armonía (aunque SVM es un fuerte clasificador) en ciertas condiciones y casos.

Yo no soy capaz de entender a partir de la arquitectura y la programación de la perspectiva de cómo funcionan en combinación. He leído muchos artículos (tal vez el equivocado) que no se explica con claridad cómo trabajan juntos.

Alguien puede arrojar algo de luz sobre cómo se trabaja en una combinación de efectivo de la clasificación? Punteros a algunos papers / artículos / revistas también sería apreciada.

Answer 1

Este papel es bastante buena. Simplemente dice que la SVM puede ser tratada como un clasificador débil si utiliza menos muestras para entrenar (digamos menos de la mitad del conjunto de entrenamiento). El mayor de los pesos de los más de probabilidades de que será entrenado por el 'débil-SVM'

editar: enlace fijo de ahora.

Answer 2

El papel de AdaBoost con SVM de componentes basados en clasificadores por Xuchun Li et al también da una intuición.
En un breve pero quizá sesgada resumen: ellos están tratando de hacer los clasificadores svm "débil"(un poco más del 50%) mediante el ajuste de los parámetros para evitar los casos de un clasificador puede tener demasiado peso o todos los clasificadores de fuego de manera similar.