Machine learning
AdaBoost
AdaBoost (Adaptive Boosting) เป็นอัลกอริทึมการบูสต์แบบดั้งเดิม ซึ่งเปิดตัวโดย Yoav Freund และ Robert Schapire ในปี 1997 โดยเป็นการรวมชุดของตัวเรียนรู้ที่อ่อนแอ (weak learners) แบบง่ายๆ เข้าด้วยกัน โดยการให้น้ำหนักมากขึ้นกับข้อมูลที่ทำนายผิด อัลกอริทึมนี้เป็นต้นแบบของ gradient boosting มีความเรียบง่าย สามารถตีความได้ และเป็นพื้นฐานที่แข็งแกร่งสำหรับการจำแนกประเภท
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). AdaBoost (Adaptive Boosting). ScholarGate. https://scholargate.app/th/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.
- ต้นไม้ตัดสินใจการเรียนรู้ของเครื่อง↔ compare
- การถดถอยโลจิสติกสถิติการวิจัย↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- การซ้อนทับการเรียนรู้ของเครื่อง↔ compare
- XGBoostการเรียนรู้ของเครื่อง↔ compare