AdaBoost
AdaBoost (Adaptive Boosting) je pôvodný boostingový algoritmus, ktorý v roku 1997 predstavili Yoav Freund a Robert Schapire. Kombinuje sekvenciu jednoduchých slabých žiakov (weak learners) tak, že pozorovaniam, ktoré nesprávne klasifikuje, pripisuje vyššiu váhu. Ako predchodca gradient boostingu je jednoduchý, interpretovateľný a predstavuje silný základ pre klasifikáciu.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). AdaBoost (Adaptive Boosting). ScholarGate. https://scholargate.app/sk/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.
- Rozhodovací stromStrojové učenie↔ compare
- Logistická regresiaŠtatistika vo výskume↔ compare
- Náhodný lesStrojové učenie↔ compare
- StackingStrojové učenie↔ compare
- XGBoostStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →