使用强分类器（而不是弱分类器，错误率接近随机）进行提升的效果如何？是否有可能一个强分类器单独使用时表现更好，而当这个强分类器与一群弱分类器一起在adaboost中使用时表现反而变差？

回答：

是的，这是有可能的。这完全取决于你的学习数据集。看看“没有免费的午餐”定理，总有一些数据集不适合特定的算法/启发式方法（甚至是这些方法的组合）。

当你使用具有相同错误率的算法在不同的数据集上进行提升时，事情变得更加有趣。分类器是强是弱并不会改变提升的好处。但提升的基础定理规定，其下限是一群弱分类器。如果你使用比弱分类器还要差的分类器，提升就不会起作用。

根据我的经验，我从未遇到过这样的问题：我找到一个非常好/强的分类器，而其他任何分类器（优于随机的）在某些数据集上使用提升后都无法提高性能。