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:
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/