เปรียบเทียบวิธี

	AdaBoost	การลงคะแนนเสียงข้างมาก
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้แบบรวมกลุ่ม
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1997	1996
ผู้ริเริ่ม	Freund, Y. & Schapire, R.E.	Leo Breiman
ประเภท	Ensemble (sequential boosting of weak learners)	voting aggregation
แหล่งต้นตำรับ	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.	Breiman, L. (1996). Bagging predictors. Machine Learning, 24(2), 123-140.
ชื่อเรียกอื่น	AdaBoost (Adaptive Boosting), adaptive boosting, adaptif artırma	hard voting
ที่เกี่ยวข้อง	5	5
สรุป	AdaBoost (Adaptive Boosting) is the original boosting algorithm, introduced by Yoav Freund and Robert Schapire in 1997, that combines a sequence of simple weak learners by giving more weight to the observations they get wrong. The forerunner of gradient boosting, it is simple, interpretable, and a strong baseline for classification.	Majority voting is an ensemble method that combines predictions from multiple base classifiers by selecting the class that receives the most votes. Each base classifier casts one vote for a predicted class, and the final prediction is the class with the majority (plurality). This approach was formalized by Leo Breiman and colleagues in the 1990s as a simple yet effective way to improve classification accuracy.