Ensemble Boosting

Boosting adalah metode ensemble yang secara sekuensial melatih pembelajar lemah (weak learners) dan menggabungkannya menjadi prediktor kuat dengan berfokus pada sampel yang salah diklasifikasikan oleh model sebelumnya. Setiap pembelajar lemah baru diberi bobot sesuai dengan kesulitan tugas pelatihannya, dan prediksi akhir dibuat melalui pemungutan suara berbobot. Dipelopori oleh Schapire (1990) dan disempurnakan dalam AdaBoost (Freund & Schapire, 1997), boosting mengubah pembelajar lemah (sedikit lebih baik dari acak) menjadi pembelajar kuat melalui pembobotan ulang sekuensial.