为什么AdaBoostClassifier使用SVM的效果变差

Question

我所说的更糟的工作，是指更高的训练错误。在

# Boosted SVC
clf = AdaBoostClassifier(base_estimator=SVC(random_state=1), random_state=1, algorithm="SAMME", n_estimators=5)
clf.fit(X, y)

# Only SVC
clf = SVC()
clf.fit(X, y)

我的训练数据是

增强支持向量机的结果：

支持向量机的结果是：

Answer 1

adaBoost的主要概念是结合弱学习者，这就是为什么默认分类器是一个决策树桩。因此，如果使用SVM（强分类器）作为弱分类器，则会失去集成学习的概念，并且会得到最差的结果。在