Seperti yang saya pernah mendengar tentang classifier AdaBoost berulang kali disebutkan di tempat kerja, saya ingin mendapatkan perasaan yang lebih baik tentang cara kerjanya dan ketika seseorang mungkin ingin menggunakannya. Saya telah maju dan membaca sejumlah makalah dan tutorial tentang hal itu yang saya temukan di Google, tetapi ada beberapa aspek dari penggolong yang masih sulit saya pahami:
Kebanyakan tutorial yang saya lihat berbicara tentang AdaBoost sebagai menemukan kombinasi tertimbang terbaik dari banyak pengklasifikasi. Ini masuk akal bagi saya. Apa yang tidak masuk akal adalah implementasi (yaitu MALLET) di mana AdaBoost tampaknya hanya menerima satu pelajar yang lemah. Bagaimana ini masuk akal? Jika hanya ada satu classifier yang disediakan untuk AdaBoost, bukankah seharusnya hanya mengembalikan kembali classifier yang sama dengan bobot 1? Bagaimana cara menghasilkan pengklasifikasi baru dari pengklasifikasi pertama?
Kapan seseorang benar-benar ingin menggunakan AdaBoost? Saya telah membaca bahwa itu seharusnya menjadi salah satu pengklasifikasi terbaik di luar kotak, tetapi ketika saya mencoba meningkatkan classifier MaxEnt saya mendapatkan skor-f 70% + dengan, AdaBoost membunuhnya dan memberi saya f- skor sekitar 15% dengan daya ingat sangat tinggi dan presisi sangat rendah. Jadi sekarang saya bingung. Kapan saya ingin menggunakan AdaBoost? Saya mencari jawaban yang lebih intuitif daripada statistik, jika memungkinkan.