AdaBoost
AdaBoost (Adaptive Boosting) é o algoritmo de boosting original, introduzido por Yoav Freund e Robert Schapire em 1997, que combina uma sequência de aprendizes fracos simples, atribuindo mais peso às observações que erra. Precursor do gradient boosting, é simples, interpretável e uma forte linha de base para classificação.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). AdaBoost (Adaptive Boosting). ScholarGate. https://scholargate.app/pt/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.
- Árvore de DecisãoAprendizado de máquina↔ compare
- Regressão LogísticaEstatística para pesquisa↔ compare
- Random ForestAprendizado de máquina↔ compare
- StackingAprendizado de máquina↔ compare
- XGBoostAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →