Ansamblu de boosting
Boosting este o metodă de ansamblu care antrenează secvențial clasificatori slabi și îi combină într-un predictor puternic, concentrându-se pe eșantioanele pe care modelele anterioare le-au clasificat greșit. Fiecare clasificator slab nou este ponderat în funcție de dificultatea sarcinii sale de antrenament, iar predicțiile finale sunt realizate prin vot ponderat. Pionierat de Schapire (1990) și rafinat în AdaBoost (Freund & Schapire, 1997), boosting transformă clasificatorii slabi (puțin mai buni decât aleatoriul) în clasificatori puternici prin reponderare secvențială.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Schapire, R. E. (1990). The strength of weak learnability. Machine Learning, 5(2), 197-227. DOI: 10.1023/A:1022648800760 ↗
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Boosting Ensemble Method. ScholarGate. https://scholargate.app/ro/ensemble-learning/boosting-ensemble
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.
- AdaBoostÎnvățare automată↔ compare
- Bagging EnsembleÎnvățare prin ansambluri↔ compare
- Gradient BoostingÎnvățare automată↔ compare
- Vot majoritarÎnvățare prin ansambluri↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →