Tartalomjegyzék:
Meghatározás - Mit jelent az AdaBoost?
Az AdaBoost egy olyan típusú algoritmus, amely együttes tanulási megközelítést alkalmaz a különféle bemenetek súlyozására. Yoav Freund és Robert Schapire tervezte a 21. század elején. Ez némileg átmeneti módszerré vált a gépi tanulás paradigmáinak különféle fellendítésére.
A Techopedia magyarázza az AdaBoostot
A szakértők az AdaBoostról beszélnek, mint az osztályozók egyik legjobban súlyozott kombinációjáról - és amely érzékeny a zajra, és elősegíti bizonyos gépi tanulási eredményeket. Néhány zavart annak a ténynek a következménye okoz, hogy az AdaBoost ugyanazon osztályozó több példányánál használható, különböző paraméterekkel - ahol a szakemberek az AdaBoostról azt mondhatják, hogy "csak egy osztályozó van", és összezavarodhatnak a súlyozás módjáról.
Az AdaBoost egy speciális filozófiát mutat be a gépi tanulásban is - együttes tanulási eszközként annak az alapvető gondolatból származik, hogy sok gyenge tanuló jobb eredményeket érhet el, mint egy erősebb tanulási entitás. Az AdaBoost segítségével a gépi tanulás szakemberei gyakran olyan rendszerek kidolgozását készítik, amelyek számos bemenetet vesznek és kombinálnak az optimalizált eredmény elérése érdekében. Vannak, akik ezt a gondolatot még jobban figyelembe veszik, és arról beszélnek, hogy az AdaBoost hogyan tud parancsnokságot nyújtani olyan "döntéshozóknak", amelyek lényegében kevésbé kifinomult tanulók, nagyszámban alkalmazva, hogy összepréseljék az adatokat, amennyiben ezt a megközelítést kedvezően tekintik egyetlen osztályozó használatakor.
