具有SVM基本分类器的AdaBoost的执行时间

具有SVM基本分类器的AdaBoost的执行时间

实际上，我们 从不 使用SVM作为Adaboost的基本分类器。

使用决策树作为基础分类器（更具体地讲，决策 树桩 ，即深度仅为1的DT
），设想了Adaboost（和类似的集成方法）。有充分的理由说明为什么今天仍然存在，如果您未明确指定

base_classifier

参数，则该参数将假定值为

DecisionTreeClassifier(max_depth=1)

。DT非常适合此类集合，因为它们本质上是
不稳定的 分类器，而SVM则不是这种情况，因此，在用作基本分类器时，预计不会提供太多支持。

最重要的是，SVM在计算上比决策树（更不用说决策 树桩 ）昂贵得多，这就是观察到的处理时间长的原因。

除非你有一个 非常 好的理由，坚持支持向量机作为基分类（我强烈怀疑，你这样做），除去

base_estimator =svc

以恢复到默认设置，则很可能会被罚款。