ScholarGate
Assistente
Machine learningMachine learning

Boosting

Boosting é uma técnica de ensemble sequencial que converte muitos aprendizes simples, mal melhores que o acaso, em um único modelo de alta precisão, focando repetidamente o treinamento nos exemplos que aprendizes anteriores erraram, e então combinando todos os aprendizes com pesos proporcionais à sua precisão individual.

Abrir no MethodMindEm breveVídeoEm breveDownload slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Method map

The neighbourhood of related methods — select a node to explore.

+29 more

Fontes

  1. 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
  2. Schapire, R. E. (1990). The strength of weak learnability. Machine Learning, 5(2), 197–227. DOI: 10.1007/BF00116037

Como citar esta página

ScholarGate. (2026, June 3). Boosting (Ensemble of Sequentially Weighted Weak Learners). ScholarGate. https://scholargate.app/pt/machine-learning/boosting

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

Referenciado por

ScholarGateBoosting (Boosting (Ensemble of Sequentially Weighted Weak Learners)). Recuperado em 2026-06-15 de https://scholargate.app/pt/machine-learning/boosting · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026