Jul, 2012

从Boosting获取校准的概率

TL;DR本文探讨了AdaBoost在预测概率时存在的失真问题,并介绍了三种校正方法:Platt Scaling,Isotonic Regression和Logistic Correction,在实验中发现Logistic Correction和使用对数损失的提升模型对决策桩这样的弱模型表现良好,而对完整的决策树等复杂模型表现较差,而Platt Scaling和Isotonic Regression则显著提高了所预测概率的准确性。