AdaBoost
Az AdaBoost (Adaptive Boosting) az eredeti boosting algoritmus, amelyet Yoav Freund és Robert Schapire vezetett be 1997-ben. Ez az algoritmus gyenge tanulók sorozatát kombinálja oly módon, hogy nagyobb súlyt ad azoknak a megfigyeléseknek, amelyeket tévesen osztályoztak. A gradiens boosting előfutáraként egyszerű, értelmezhető és erős alapvonalat biztosít a klasszifikációhoz.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). AdaBoost (Adaptive Boosting). ScholarGate. https://scholargate.app/hu/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.
- Döntési faGépi tanulás↔ compare
- Logistic RegressionKutatási statisztika↔ compare
- Véletlen erdőGépi tanulás↔ compare
- HalmozásGépi tanulás↔ compare
- XGBoostGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →