algorithm - adaboost 相对于gentleboost 的特定应用优势，反之亦然？

我一直在研究 AdaBoost 和 GentleBoost 分类器，但似乎无法找到问题的明确答案:

Adaboost 在计算机视觉分类方面有什么优势？

GentleBoost 更擅长分类的是什么？

有人告诉我，AdaBoost 适用于边缘柔和的事物，如面部识别，而 GentleBoost 则适用于具有更硬、更对称特征和边缘的事物，如车辆。这是真的？是否有任何证据证明这一点或任何证据支持这一说法？

最佳答案

根据我的内存，GentleBoost 是 AdaBoost 分类器的变体。

例如，Adaboost 可能能够检测像您在 GentleBoost 中提到的那样具有坚硬物体的东西，我也在 jar 头和香蕉之类的东西上测试了 Adaboost，这也很有效。

虽然我之前从未使用过 GentleBoost，或者更确切地说是尝试过，但根据论文，计算具有很少特征的物体或您称之为硬物体(如香蕉、 jar 头等)的计算速度很可能是快了很多。

您可以在此处阅读更多相关信息:AdaBoost，Gentleboost 虽然只是本 wiki 中的一小部分，但应该或多或少能够澄清它。

从数学上讲，主要的关键区别在于所使用的损失函数。

对于 GentleBoost，更新为 fm(x) = P(y=1 | x) – P(y=0 | x)。

而对于 AdaBoost，更新是:

如果我没记错的话，除了比 AdaBoost 更快(从数学角度来看更快是一个假设)之外，GentleBoost 应该对嘈杂的数据不那么敏感，但是在准确性方面，我从来没有玩过它，所以我不能确定。

希望能以某种方式帮助你(:

关于algorithm - adaboost 相对于gentleboost 的特定应用优势，反之亦然？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/22783275/