algorithm - adaboost 相对于 gentleboost 的应用程序特定优势，反之亦然？

Question

我一直在研究 AdaBoost 和 GentleBoost 分类器，但似乎找不到问题的明确答案:

• Adaboost 在计算机视觉分类方面的优势是什么？
• GentleBoost 在哪些方面更擅长分类？

有人告诉我，AdaBoost 适用于具有柔和边缘的事物，例如面部识别，而 GentleBoost 适用于具有更硬且更对称的特征和边缘的事物，例如车辆。这是真的？是否有任何证据支持这一说法？

Answer 1

根据我的内存，GentleBoost 是 AdaBoost 分类器的变体。

例如，Adaboost 可能能够像您提到的 GentleBoost 一样检测带有硬物的物体，我也在 jar 头和香蕉等物体上测试了 Adaboost，这也很有效。

虽然我以前从未使用过 GentleBoost，或者更确切地说尝试过，但根据论文，计算具有少量特征的对象或您所说的硬物体(如香蕉、 jar 头等)所采用的计算速度很可能是可能会快很多。

您可以在这里阅读更多相关信息:AdaBoost , Gentleboost虽然只是本wiki中的一小部分，应该或多或少能把它说清楚。

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，更新是 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，GentleBoost 应该比 AdaBoost 更快(从数学方面来看更快的假设)，而且对噪声数据不那么敏感，但是就准确性而言，我从来没有玩过它，所以我不能确定。

希望对你有所帮助(: