AdaBoost
AdaBoost (Adaptive Boosting) merupakan algoritma penaik taraf (boosting) asal yang diperkenalkan oleh Yoav Freund dan Robert Schapire pada tahun 1997, yang menggabungkan urutan pembelajar lemah (weak learners) ringkas dengan memberikan pemberat lebih kepada pemerhatian yang salah diklasifikasikan. Pendahulu penaik taraf kecerunan (gradient boosting), ia ringkas, boleh ditafsirkan, dan merupakan garis dasar yang kukuh untuk pengelasan.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). AdaBoost (Adaptive Boosting). ScholarGate. https://scholargate.app/ms/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.
- Pohon KeputusanPembelajaran Mesin↔ compare
- Regresi LogistikStatistik Penyelidikan↔ compare
- Random ForestPembelajaran Mesin↔ compare
- StackingPembelajaran Mesin↔ compare
- XGBoostPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →