Spisu treści:
Definicja - Co oznacza AdaBoost?
AdaBoost to rodzaj algorytmu, który wykorzystuje kompleksowe podejście do uczenia się do ważenia różnych danych wejściowych. Został zaprojektowany przez Yoav Freunda i Roberta Schapire'a na początku 21 wieku. Obecnie stał się on w pewnym sensie metodą przejścia do różnego rodzaju usprawnień w paradygmatach uczenia maszynowego.
Techopedia wyjaśnia AdaBoost
Eksperci mówią o AdaBoost jako o jednej z najlepiej wyważonych kombinacji klasyfikatorów - i która jest wrażliwa na hałas i sprzyja niektórym wynikom uczenia maszynowego. Pewne zamieszanie wynika z faktu, że AdaBoost może być używany z wieloma instancjami tego samego klasyfikatora o różnych parametrach - gdzie profesjonaliści mogą mówić o AdaBoost „posiadającym tylko jeden klasyfikator” i mylą się co do sposobu ważenia.
AdaBoost przedstawia także szczególną filozofię uczenia maszynowego - jako narzędzie do uczenia się w zespole, wywodzi się z podstawowej idei, że wielu słabych uczniów może uzyskać lepsze wyniki niż jedna silniejsza jednostka edukacyjna. Dzięki AdaBoost eksperci w dziedzinie uczenia maszynowego często tworzą systemy, które przyjmują wiele danych wejściowych i łączą je w celu uzyskania optymalnych rezultatów. Niektórzy podchodzą do tego pomysłu w jeszcze większym stopniu, mówiąc o tym, w jaki sposób AdaBoost może dowodzić „armiami kikutów decyzyjnych”, które są zasadniczo mniej wyrafinowanymi uczniami zatrudnionymi w dużych ilościach w celu przełamania danych, w przypadku gdy takie podejście jest postrzegane przychylnie w porównaniu z wykorzystaniem pojedynczego klasyfikatora.
