Почему алгоритм AdaBoost может быть уязвим к равномерно распределенному шуму?

Алгоритм AdaBoost может быть уязвим к равномерно распределённому шуму из-за особенностей экспоненциальной функции потерь. 23

Эта функция слишком сильно увеличивает веса наиболее трудных объектов, на которых ошибаются многие базовые алгоритмы. 3 Однако именно эти объекты чаще всего оказываются шумовыми выбросами. 3 В результате AdaBoost начинает настраиваться на шум, что ведёт к переобучению. 3

Чтобы снизить чувствительность к шуму, можно применять надёжные слабые обучающиеся или методы предварительной обработки данных. 4 Ещё один способ — удалять из обучающей выборки объекты с очень большими по модулю отрицательными отступами и запускать итерации заново. 2