Вопросы к Поиску с Алисой
Алгоритм AdaBoost может быть уязвим к равномерно распределённому шуму из-за особенностей экспоненциальной функции потерь. www.machinelearning.ru web.archive.org
Эта функция слишком сильно увеличивает веса наиболее трудных объектов, на которых ошибаются многие базовые алгоритмы. web.archive.org Однако именно эти объекты чаще всего оказываются шумовыми выбросами. web.archive.org В результате AdaBoost начинает настраиваться на шум, что ведёт к переобучению. web.archive.org
Чтобы снизить чувствительность к шуму, можно применять надёжные слабые обучающиеся или методы предварительной обработки данных. www.mql5.com Ещё один способ — удалять из обучающей выборки объекты с очень большими по модулю отрицательными отступами и запускать итерации заново. www.machinelearning.ru