[UNTRANSLATED: AdaBoost]
AdaBoost (Adaptive Boosting) è l'algoritmo di boosting originale, introdotto da Yoav Freund e Robert Schapire nel 1997, che combina una sequenza di semplici apprendisti deboli (weak learners) assegnando maggior peso alle osservazioni che sbaglia. Precursore del gradient boosting, è semplice, interpretabile e una solida baseline per la classificazione.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). AdaBoost (Adaptive Boosting). ScholarGate. https://scholargate.app/it/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.
- Albero decisionaleApprendimento automatico↔ compare
- Regressione LogisticaStatistica per la ricerca↔ compare
- Random ForestApprendimento automatico↔ compare
- StackingApprendimento automatico↔ compare
- XGBoostApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →