Multi-class AdaBoost

Boosting是解决两类分类问题的一种非常成功的技术。在从两类分类到多类分类的过程中，大多数算法都局限于将多类分类问题简化为多个两类问题。在本文中，我们开发了一种新的算法，该算法将AdaBoost算法直接扩展到多类情况，而不将其简化为多个两类问题。我们证明了所提出的多类AdaBoost算法等价于一种正向分段加性建模算法，该算法可以最小化多类分类的新指数损失。此外，我们还证明了指数损失是一类用于多类分类的Fisher一致损失函数的一个成员。如本文所示，新算法非常容易实现，并且在误分类率方面具有很强的竞争力。