AdaBoost
AdaBoost (Përforcim Adativ) është algoritmi origjinal i përforcimit, prezantuar nga Yoav Freund dhe Robert Schapire në vitin 1997, që kombinon një seri nxënësish të dobët të thjeshtë duke i dhënë peshë më të madhe vëzhgimeve që ata i marrin gabim. Paraardhësi i përforcimit të gradientit, ai është i thjeshtë, i interpretueshëm dhe një bazë e fortë për klasifikim.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 1). AdaBoost (Adaptive Boosting). ScholarGate. https://scholargate.app/sq/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.
- Pemët e vendimmarrjesMësimi i makinës↔ compare
- Regresioni logjistikStatistika e hulumtimit↔ compare
- Pylli i RastësishëmMësimi i makinës↔ compare
- ShtresimiMësimi i makinës↔ compare
- XGBoostMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →