Каков эффект повышения с помощью сильного (вместо слабого, коэффициента ошибок близкого к случайному) классификатора? Не исключено, что сильный классификатор лучше работает сам по себе, чем когда этот сильный классификатор используется в adaboost вместе с кучей слабых классификаторов?Эффекты усиления с сильным классификатором
Да, это возможно. Все зависит от вашего учебного набора данных. Посмотрите на теорему бесплатного обеда, всегда есть набор данных, которые не соответствуют конкретному алгоритму/эвристике (даже комбинация thoses).
Все более интересное с повышением, когда вы используете алгоритмы с одинаковой частотой ошибок, на разных наборах данных. Тот факт, что классификатор должен быть сильным или слабым, не изменяет преимущества повышения. Но теорема в фундаменте повышения указывает, что нижний предел - это куча слабого классификатора. Если вы используете менее слабый классификатор, это не сработает.
В моих опытах я никогда не обнаружил проблемы, когда нашел такой хороший/сильный классификатор, что любые другие классификаторы (лучше, чем случайные) не улучшают производительность с повышением на некоторый набор данных.