Stats.SE তেও একই ধরণের প্রশ্ন দেখুন ।
ইন boosting যেমন আলগোরিদিম AdaBoost এবং LPBoost এটা জানা যায় "দুর্বল" শিক্ষার্থীদের শুধুমাত্র উপযোগী হতে উইকিপিডিয়া থেকে সুযোগ চেয়ে ভাল সঞ্চালন আছে মিলিত হবে:
এটি যে শ্রেণিবদ্ধগুলি ব্যবহার করে তা দুর্বল হতে পারে (যেমন, যথেষ্ট ত্রুটির হার প্রদর্শন করুন) তবে যতক্ষণ না তাদের পারফরম্যান্স এলোমেলো নয় (বাইনারি শ্রেণিবদ্ধকরণের জন্য 0.5 এর ত্রুটি হারের ফলে), তারা চূড়ান্ত মডেলটিকে উন্নত করবে। এমনকি এলোমেলো শ্রেণিবদ্ধের কাছ থেকে প্রত্যাশিত ত্রুটি হারের সাথে শ্রেণিবদ্ধগুলি কার্যকর হবে, কারণ তাদের শ্রেণিবদ্ধের চূড়ান্ত রৈখিক সংমিশ্রণে নেতিবাচক সহগ থাকবে এবং তাই তাদের বিপরীতগুলির মতো আচরণ করবে।
শক্তিশালী শিক্ষার্থীদের বিপরীতে দুর্বল ব্যবহারের সুবিধা কী? (উদাহরণস্বরূপ "শক্তিশালী" শেখার পদ্ধতিগুলি কেন উত্সাহ দেওয়া হচ্ছে না - আমরা কী অত্যধিক মানানসই প্রবণতা বোধ করি?)
দুর্বল শিক্ষার্থীদের জন্য কি কোনও ধরণের "অনুকূল" শক্তি রয়েছে? এবং এটি কি টীকাগুলির শিখার সংখ্যার সাথে সম্পর্কিত?
এই প্রশ্নের উত্তর ব্যাক আপ কোন তত্ত্ব আছে?