CONTRIBUTION

Le travaille qu'a fait les auteurs, n'est pas d'imposer leurs algorithme comme le meilleur algorithme en matière de performances  ( erreurs de classification, temps de calcul), mais de dire que SAMME  est une adaptation parfaite de AdaBoost pour une classification de données en  Multi-classes.

CONCLUSION 

AdaBoost est un bon algorithme de classification dans le cas d'une classification binaire. Pour ce qui est d'une classification Multi-classes l'algorithme n'est pas du tout performant. Les auteurs ici nous démontrent un nouvel algorithme (SAMME)  qui est une adaptation de AdaBoost. Cet algorithme est d'autant plus facile a implémenté et une erreurs de classification très faible, ce qui fait une bonne alternative que d'utiliser d'autre algorithmes tel que Gradiant Boosting ou bien AdaBoost.MH.

REFERENCE

https://cseweb.ucsd.edu/~yfreund/papers/IntroToBoosting.pdf
https://fr.wikipedia.org/wiki/M%C3%A9thode_de_Viola_et_Jones
https://web.stanford.edu/~hastie/Papers/SII-2-3-A8-Zhu.pdf