वर्गीकरण के लिए एसवीएम के साथ Adaboost का उपयोग करना


11

मुझे पता है कि Adaboost कमजोर क्लासीफायर के सेट के रैखिक संयोजन का उपयोग करके एक मजबूत क्लासिफायरियर बनाने की कोशिश करता है।

हालाँकि, मैंने कुछ शर्तों और मामलों में Adaboost और SVM के सामंजस्य (भले ही SVM एक मजबूत क्लासिफायरिफायर है) में काम करने वाले सुझाव देने वाले कुछ पेपर पढ़े हैं ।

मैं एक वास्तुकला और प्रोग्रामिंग दृष्टिकोण से समझ नहीं पा रहा हूं कि वे संयोजन में कैसे काम करते हैं। मैंने कई कागजात (शायद गलत वाले) पढ़े हैं जो स्पष्ट नहीं समझाते कि वे एक साथ कैसे काम करते हैं।

क्या कोई प्रभावी वर्गीकरण के लिए संयोजन में काम करने पर कुछ प्रकाश फेंक सकता है? कुछ पत्र-पत्रिकाओं / लेखों / पत्रिकाओं की ओर इशारा भी किया जाएगा।

जवाबों:


8

यह पेपर काफी अच्छा है। यह केवल यह कहता है कि एसवीएम को एक कमजोर क्लासिफायर के रूप में माना जा सकता है यदि आप इसे प्रशिक्षित करने के लिए कम नमूनों का उपयोग करते हैं (चलो प्रशिक्षण के आधे से भी कम कहते हैं)। अधिक कमजोर वजन अधिक मौका यह 'कमजोर-एसवीएम' द्वारा प्रशिक्षित किया जाएगा

संपादित करें: लिंक अब ठीक किया गया


मुझे पता है कि यह एक पुराना सवाल है, लेकिन लिंक टूट गया है। क्या आपको कागज का शीर्षक या लेखक का नाम पता है, इसलिए मुझे एक वैकल्पिक लिंक मिल सकता है?
कार्लासडेक

यदि भविष्य में लिंक फिर से मर जाता है, तो एलकिन गार्सिया और फर्नांडो लोज़ानो द्वारा पेपर को "बूस्टिंग सपोर्ट वेक्टर मशीनें" कहा जाता है।
डगल

2

Xuchun Li etal द्वारा SVM- आधारित घटक क्लासिफायर के साथ पेपर AdaBoost भी एक अंतर्ज्ञान देता है।
एक संक्षिप्त लेकिन शायद पक्षपाती सारांश में: वे मामलों को टालने के लिए मापदंडों को ट्यून करके svm क्लासिफायरफायर को "कमजोर" (थोड़ा 50% से अधिक) बनाने की कोशिश कर रहे हैं, एक क्लासिफायरर में बहुत अधिक वजन हो सकता है या सभी क्लासिफायर समान रूप से आग लगा सकते हैं।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.