Алгоритм усиления классификаторов AdaBoost объединяет несколько классификаторов для повышения их точности. yandex.ru Он берёт набор или группу слабых классификаторов и объединяет их в один сильный. datascientist.one
Работа алгоритма включает несколько этапов: yandex.ru
- Первоначально AdaBoost выбирает обучающее подмножество случайным образом. yandex.ru
- Итеративно обучает модель машинного обучения, выбирая обучающий набор на основе точного прогноза последнего обучения. yandex.ru
- Присваивает более высокий вес ошибочно классифицированным наблюдениям, чтобы в следующей итерации эти наблюдения получили высокую вероятность для классификации. yandex.ru
- Присваивает вес обученному классификатору на каждой итерации в соответствии с точностью классификатора. yandex.ru Более точный классификатор получит больший вес. yandex.ru
- Этот процесс повторяется до тех пор, пока полные обучающие данные не будут соответствовать без ошибок или пока не будет достигнуто указанное максимальное количество оценщиков. yandex.ru
AdaBoost чувствителен к шуму в данных и выбросам, но менее подвержен переобучению по сравнению с другими алгоритмами машинного обучения. neerc.ifmo.ru ru.wikipedia.org