Machine learning
AdaBoost
AdaBoost (Adaptive Boosting)는 1997년 Yoav Freund와 Robert Schapire가 소개한 최초의 부스팅 알고리즘으로, 잘못 분류된 관측치에 더 많은 가중치를 부여함으로써 일련의 단순한 약한 학습기(weak learner)를 결합합니다. 그래디언트 부스팅(gradient boosting)의 선구자인 AdaBoost는 간단하고 해석 가능하며 분류 작업에 강력한 기준 모델(baseline)입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). AdaBoost (Adaptive Boosting). ScholarGate. https://scholargate.app/ko/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 →