python - 为什么带有SVM的AdaBoostClassifier表现更差

工作越差，我的意思是甚至更高的训练错误。

# Boosted SVC
clf = AdaBoostClassifier(base_estimator=SVC(random_state=1), random_state=1, algorithm="SAMME", n_estimators=5)
clf.fit(X, y)

# Only SVC
clf = SVC()
clf.fit(X, y)

我的训练数据是



支持向量机提升的结果：


SVM的结果是：

最佳答案

adaBoost的主要概念是结合弱学习者，这就是为什么默认分类器是决策树桩的原因。因此，通过使用SVM（强分类器）作为弱分类器，您会失去整体学习的概念，并且会得到最差的结果。

关于python - 为什么带有SVM的AdaBoostClassifier表现更差，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/32675516/