Menggunakan Adaboost dengan SVM untuk klasifikasi

11

Saya tahu bahwa Adaboost mencoba menghasilkan classifier yang kuat menggunakan kombinasi linear dari serangkaian classifier yang lemah.

Namun, saya telah membaca beberapa makalah yang menyarankan Adaboost dan SVM bekerja secara harmonis (meskipun SVM adalah penggolong yang kuat) dalam kondisi dan kasus tertentu .

Saya tidak dapat memahami dari perspektif arsitektur dan pemrograman bagaimana mereka bekerja dalam kombinasi. Saya telah membaca banyak makalah (mungkin yang salah) yang tidak menjelaskan dengan jelas bagaimana mereka bekerja bersama.

Adakah yang bisa menjelaskan bagaimana mereka bekerja dalam kombinasi untuk klasifikasi yang efektif? Pointer ke beberapa makalah / artikel / jurnal juga akan dihargai.

classification svm references boosting garak
sumber

Jawaban:

8

Ini kertas cukup baik. Ini hanya mengatakan bahwa SVM dapat diperlakukan sebagai penggolong lemah jika Anda menggunakan lebih sedikit sampel untuk melatihnya (misalkan kurang dari setengah dari set pelatihan). Semakin tinggi bobot, semakin besar peluangnya dilatih oleh 'lemah-SVM'

edit: tautan diperbaiki sekarang.

poperin
sumber
Saya tahu ini adalah pertanyaan lama, tetapi tautannya terputus. Apakah Anda mengetahui judul makalah atau nama penulis sehingga saya dapat menemukan tautan alternatif?
carlosdc
Jika tautan mati lagi di kemudian hari, makalah ini disebut "Boosting Support Vector Machines" oleh Elkin García dan Fernando Lozano.
Dougal
2

Makalah AdaBoost dengan pengklasifikasi komponen berbasis SVM oleh Xuchun Li etal juga memberikan intuisi.
Dalam ringkasan pendek tapi mungkin bias: mereka mencoba membuat pengklasifikasi svm "lemah" (sedikit lebih dari 50%) dengan menyetel parameter untuk menghindari kasus-kasus yang satu pengklasifikasi mungkin memiliki terlalu banyak bobot atau semua pengklasifikasi menyala dengan cara yang sama.

ZijunLost
sumber