AdaBoost
AdaBoost (Adaptivno pojačavanje) je prvobitni algoritam pojačavanja, koji su 1997. godine predstavili Yoav Freund i Robert Schapire, a koji kombinira niz jednostavnih slabih učitelja dajući veću težinu opažanjima koja pogrešno klasificiraju. Prethodnik gradijentnog pojačavanja, jednostavan je, interpretativan i snažna je osnovna linija za klasifikaciju.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Izvori
- Freund, Y. & Schapire, R.E. (1997). A Decision-Theoretic Generalization of On-Line Learning and an Application to Boosting. Journal of Computer and System Sciences, 55(1), 119–139. DOI: 10.1006/jcss.1997.1504 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). AdaBoost (Adaptive Boosting). ScholarGate. https://scholargate.app/hr/machine-learning/adaboost
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Stablo odlučivanjaStrojno učenje↔ compare
- Logistička regresijaIstraživačka statistika↔ compare
- Slučajna šumaStrojno učenje↔ compare
- SlaganjeStrojno učenje↔ compare
- XGBoostStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →