Machine learning
AdaBoost
AdaBoost（Adaptive Boosting）は、Yoav FreundとRobert Schapireが1997年に発表した、オリジナルのブースティングアルゴリズムです。これは、誤分類された観測値により大きな重みを与えることで、一連の単純な弱学習器を結合します。勾配ブースティングの先駆けであり、シンプルで解釈性が高く、分類における強力なベースラインとなります。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). AdaBoost (Adaptive Boosting). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →