标题： 一个贝叶斯提升模型 显示英文标题

标题： A Bayesian Boosting Model

摘要： 我们从统计学的角度提供了AdaBoost的一个新观点。 我们提出了一个用于二元分类的贝叶斯模型，在该模型中标签噪声以分层方式建模。 通过使用变分推理来优化动态证据下界，我们推导出了一种新的类似于提升的算法，称为VIBoost。 我们展示了它与AdaBoost的密切联系，并给出了来自四个数据集的实验结果。 显示英文摘要

摘要： We offer a novel view of AdaBoost in a statistical setting. We propose a Bayesian model for binary classification in which label noise is modeled hierarchically. Using variational inference to optimize a dynamic evidence lower bound, we derive a new boosting-like algorithm called VIBoost. We show its close connections to AdaBoost and give experimental results from four datasets.