AdaBoost
AdaBoost (Adaptive Boosting) là thuật toán boosting nguyên bản, được giới thiệu bởi Yoav Freund và Robert Schapire vào năm 1997, kết hợp một chuỗi các bộ học yếu đơn giản bằng cách tăng trọng số cho những quan sát mà chúng phân loại sai. Là tiền thân của gradient boosting, thuật toán này đơn giản, dễ hiểu và là một đường cơ sở mạnh mẽ cho bài toán phân loại.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). AdaBoost (Adaptive Boosting). ScholarGate. https://scholargate.app/vi/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.
- Cây Quyết địnhHọc máy↔ compare
- Hồi quy LogisticThống kê nghiên cứu↔ compare
- Rừng ngẫu nhiênHọc máy↔ compare
- StackingHọc máy↔ compare
- XGBoostHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →