彼得·比克尔。;亚亚科夫·里托夫;阿隆·扎凯 广义boosting算法的一些理论。 (英语) Zbl 1222.68148号 J.马赫。学习。物件。 7, 705-732 (2006). 摘要:我们回顾了助推的各个方面,通过一些简单的结果澄清了问题,并将我们和其他人的工作与统计学的极小极大范式联系起来。我们考虑了boosting算法的种群版本,并证明了其收敛于Bayes分类器,这是关于Hilbert空间中Gauss-Southwell优化的一般结果的推论。然后我们研究了样本版本的算法收敛性,并给出了样本完全分离的时间界限。我们得出了关于(L_{2})增强的统计最优性的一些结果。 引用于14文件 理学硕士: 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分;聚类分析(统计方面) 关键词:分类;Gauss-Southwell算法;AdaBoost公司;交叉验证;非参数收敛速度 PDF格式BibTeX公司 XML格式引用 \textit{P.J.Bickel}等人,J.Mach。学习。第7705--732号决议(2006年;Zbl 1222.68148) 全文: 链接