理解 Adaboost 理论的一部分的问题
Issue in understanding a part of Adaboost theory
来源：- https://machinelearningmastery.com/boosting-and-adaboost-for-machine-learning/
AdaBoost can be used to boost the performance of any machine learning
algorithm. It is best used with weak learners. These are models that
achieve accuracy just above random chance on a classification problem.
我不明白上面突出显示（粗体和斜体）部分的意思。有人可以解释一下吗？
考虑一个二 class 问题，仅基于机会的性能是 0.5 (1/2)。因此，您需要 select 一个弱 class 正确大于或等于一半次数的运算符。
假设您有一些 class可以使您的性能达到 0.51 的过滤器。按照您已阅读的文章中的步骤进行操作，添加每个弱 classifier，性能都会提高。
他们之所以提到它最好与弱学习器一起使用，是因为从实用的角度来看，就计算复杂性和性能权衡而言，您可以从中获得最高的 'benefit'。如果您已经有一个精度为 0.9 的 classifier，那么提升的增益不会像从一个精度为 0.51 的 classifier 开始那样多。
来源：- https://machinelearningmastery.com/boosting-and-adaboost-for-machine-learning/
AdaBoost can be used to boost the performance of any machine learning algorithm. It is best used with weak learners. These are models that achieve accuracy just above random chance on a classification problem.
我不明白上面突出显示（粗体和斜体）部分的意思。有人可以解释一下吗？
考虑一个二 class 问题，仅基于机会的性能是 0.5 (1/2)。因此，您需要 select 一个弱 class 正确大于或等于一半次数的运算符。
假设您有一些 class可以使您的性能达到 0.51 的过滤器。按照您已阅读的文章中的步骤进行操作，添加每个弱 classifier，性能都会提高。
他们之所以提到它最好与弱学习器一起使用，是因为从实用的角度来看，就计算复杂性和性能权衡而言，您可以从中获得最高的 'benefit'。如果您已经有一个精度为 0.9 的 classifier，那么提升的增益不会像从一个精度为 0.51 的 classifier 开始那样多。