차례:
정의-AdaBoost는 무엇을 의미합니까?
AdaBoost는 앙상블 학습 접근법을 사용하여 다양한 입력에 가중치를 부여하는 알고리즘 유형입니다. Yoav Freund와 Robert Schapire가 21 세기 초에 설계했습니다. 이제는 머신 러닝 패러다임의 다양한 부스팅을위한 방법이되었습니다.
Techopedia는 AdaBoost를 설명합니다
전문가들은 AdaBoost를 가장 가중 된 분류기 조합 중 하나이며 소음에 민감하고 특정 기계 학습 결과에 도움이되는 분류기 중 하나라고 말합니다. AdaBoost를 다른 매개 변수를 가진 동일한 분류기의 여러 인스턴스와 함께 사용할 수 있다는 사실에 혼란이 생겼습니다. 전문가가 AdaBoost에 대해 "단일 분류기만 가지고"에 대해 이야기하고 가중치가 어떻게 발생하는지 혼동 할 수 있습니다.
또한 AdaBoost는 머신 러닝의 특별한 철학을 제시합니다. 앙상블 학습 도구로서 많은 약한 학습자가 하나의 강력한 학습 엔터티보다 더 나은 결과를 얻을 수 있다는 기본 아이디어에서 비롯됩니다. 기계 학습 전문가는 AdaBoost를 사용하여 많은 입력을 받아 최적화 된 결과를 얻기 위해이를 결합하는 시스템을 만드는 경우가 많습니다. 일부는이 아이디어를 한층 더 끌어내어 AdaBoost가 단일 분류기를 사용하는 것보다이 접근 방식을 선호하는 데이터를 크 런칭하기 위해 본질적으로 덜 복잡한 학습자 인 "의사 결정 그루터기"를 명령 할 수있는 방법에 대해 이야기합니다.
