Tengo varias preguntas estrechamente relacionadas con los alumnos débiles en el aprendizaje conjunto (por ejemplo, impulsar).
- Esto puede sonar tonto, pero ¿cuáles son los beneficios de usar estudiantes débiles en lugar de fuertes? (por ejemplo, ¿por qué no impulsar con métodos de aprendizaje "fuertes"?)
- ¿Existe algún tipo de fuerza "óptima" para los alumnos débiles (por ejemplo, manteniendo todos los demás parámetros del conjunto fijos)? ¿Hay un "punto dulce" cuando se trata de su fuerza?
- ¿Cómo podemos medir la fuerza de un alumno débil con respecto a la del método de conjunto resultante? ¿Cómo medimos cuantitativamente los beneficios marginales de usar un conjunto?
- ¿Cómo comparamos varios algoritmos de aprendizaje débiles para decidir cuál usar para un método de conjunto dado?
- Si un método de conjunto dado ayuda a los clasificadores débiles más que a los fuertes, ¿cómo podemos decir que un clasificador dado ya es "demasiado fuerte" para producir ganancias significativas al impulsarlo?