Inhoudsopgave:
Definitie - Wat betekent AdaBoost?
AdaBoost is een soort algoritme dat een ensemble-leerbenadering gebruikt om verschillende inputs te wegen. Het werd ontworpen door Yoav Freund en Robert Schapire in de vroege 21e eeuw. Het is nu een beetje een go-to-methode geworden voor verschillende soorten boosts in machine learning-paradigma's.
Techopedia legt AdaBoost uit
Experts praten over AdaBoost als een van de best gewogen combinaties van classificaties - en een die gevoelig is voor lawaai en bevorderlijk is voor bepaalde resultaten van machine learning. Enige verwarring vloeit voort uit de realiteit dat AdaBoost kan worden gebruikt met meerdere instanties van dezelfde classificeerder met verschillende parameters - waarbij professionals kunnen spreken over AdaBoost "met slechts één classificator" en verward raken over hoe weging optreedt.
AdaBoost presenteert ook een specifieke filosofie in machine learning - als een ensemble leermiddel gaat het uit van het fundamentele idee dat veel zwakke leerlingen betere resultaten kunnen behalen dan een sterkere leereenheid. Met AdaBoost zijn experts op het gebied van machine learning vaak systemen die een aantal inputs verwerken en combineren voor een optimaal resultaat. Sommigen gaan nog verder met dit idee en praten erover hoe AdaBoost 'legers van beslissingsstompen' kan beheersen, die in wezen minder geavanceerde leerlingen zijn die in grote getalen worden ingezet om gegevens te kraken, waarbij deze benadering gunstig wordt bevonden boven het gebruik van een enkele classificator.
