AdaBoost, short for Adaptive Boosting, is a machine learning algorithm, formulated by Yoav Freund and Robert Schapire. It is a meta-algorithm, and can be used in conjunction with many other learning algorithms to improve their performance. AdaBoost is adaptive in the sense that subsequent classifiers built are tweaked in favor of those instances misclassified by previous classifiers. AdaBoost is sensitive to noisy data and outliers.

PropertyValue
dbpedia-owl:abstract
  • AdaBoost, short for Adaptive Boosting, is a machine learning algorithm, formulated by Yoav Freund and Robert Schapire. It is a meta-algorithm, and can be used in conjunction with many other learning algorithms to improve their performance. AdaBoost is adaptive in the sense that subsequent classifiers built are tweaked in favor of those instances misclassified by previous classifiers. AdaBoost is sensitive to noisy data and outliers. However in some problems it can be less susceptible to the overfitting problem than most learning algorithms. AdaBoost calls a weak classifier repeatedly in a series of rounds from a total classifiers. For each call a distribution of weights is updated that indicates the importance of examples in the data set for the classification. On each round, the weights of each incorrectly classified example are increased (or alternatively, the weights of each correctly classified example are decreased), so that the new classifier focuses more on those examples.
  • AdaBoostは、Yoav FreundとRobert Schapireによって考案された機械学習アルゴリズムである。メタアルゴリズムであり、他の多くの学習アルゴリズムと組み合わせて利用することで、そのパフォーマンスを改善することができる。AdaBoostは前の分類機の間違いに応じて調整された次の分類機を作るという意味で適応的(Adaptive)である。AdaBoostはノイズの多いデータや異常値に影響を受ける。しかし、いくつかの場面では、多くの学習アルゴリズムより過剰適合の影響を受けにくい。 AdaBoost は、それぞれの標本に対し、弱い分類器（[weak classifier]）を、からまで順に適用し、それぞれの分類器が正解したか否かを判断する。間違って分類された標本に対応する重みは、より重くされる（あるいは、正しく分類された標本の場合は、重みを減らす）。これらの標本に対する重みから、次のtのループでは正しい分類器を早く探す事が出来る。
  • AdaBoost – podstawowy algorytm do boostingu, metoda dzięki której z dużej liczby słabych klasyfikatorów można otrzymać jeden lepszy. Autorami algorytmu są Yoav Freund i Robert Schapire.
  • AdaBoost, Seu nome deriva de Adaptive Boosting(em português, estímulo adaptável), é um algoritmo de Aprendizagem de máquina, inventado por Yoav Freund and Robert Schapire. É uma meta-heurística, e pode ser utilizado em conjunto de outros algoritmos de aprendizagem para aumentar a performance deles. AdaBoost é adaptável no sentido que as classificações subsequentes feitas são ajustadas a favor das instâncias classificadas negativamente por classificões anteriores. AdaBoost é sensível a ruído nos dados e casos isolados. Entretanto para alguns problemas é menos sucetível a perda da capacidade de generalização após o aprendizado de muitos padrões de treino(overfitting) do que a maioria dos algoritmos de aprendizado de máquina. AdaBoost chama um classificador fraco repetidamente em iterações . Para cada chamada uma destribuição de pesos é atualizada para indicar a importância do exemplo no conjunto de dados usado para classificação. A cada iteração os pesos de cada exemplo classificado incorretamente é aumentado(ou alternativamente, os pesos cllassificados corretamente são decrementados), para que então o novo classificador trabalhe em mais exemplos.
  • AdaBoost (сокращение от Adaptive Boosting) — алгоритм машинного обучения, предложенный Йоавом Фройндом и Робертом Шапиром. Этот алгоритм может использоваться в сочетании со многими другими алгоритмами обучения для улучшения их эффективности. AdaBoost является адаптивным в том смысле, что каждый следующий классификатор строится по объектам, неверно классифицированным предыдущими классификаторами. AdaBoost чувствителен к шуму в данных и выбросам. Однако он менее подвержен переобучению, чем многие другие алгоритмы обучения. AdaBoost вызывает слабый классификатор в цикле . После каждого вызова обновляется распределение весов, которые отвечают важности каждого из объектов обучающего множества для классификации. На каждой итерации веса каждого неверно классифицированного объекта возрастают, таким образом новый классификатор «фокусирует своё внимание» на этих объектах.
  • Adaboost (ou adaptive boosting) est une méthode de boosting introduite par Yoav Freund et Robert Schapire. Ce fut l'une des premières méthodes pleinement fonctionnelles permettant de mettre en œuvre le principe de boosting. Adaboost repose sur la sélection itérative de classifieur faible en fonction d'une distribution des exemples d'apprentissage. Chaque exemple est pondéré en fonction de sa difficulté avec le classifieur courant.
dbpedia-owl:wikiPageExternalLink
dcterms:subject
rdf:type
rdfs:comment
  • AdaBoostは、Yoav FreundとRobert Schapireによって考案された機械学習アルゴリズムである。メタアルゴリズムであり、他の多くの学習アルゴリズムと組み合わせて利用することで、そのパフォーマンスを改善することができる。AdaBoostは前の分類機の間違いに応じて調整された次の分類機を作るという意味で適応的(Adaptive)である。AdaBoostはノイズの多いデータや異常値に影響を受ける。しかし、いくつかの場面では、多くの学習アルゴリズムより過剰適合の影響を受けにくい。 AdaBoost は、それぞれの標本に対し、弱い分類器（[weak classifier]）を、からまで順に適用し、それぞれの分類器が正解したか否かを判断する。間違って分類された標本に対応する重みは、より重くされる（あるいは、正しく分類された標本の場合は、重みを減らす）。これらの標本に対する重みから、次のtのループでは正しい分類器を早く探す事が出来る。
  • AdaBoost – podstawowy algorytm do boostingu, metoda dzięki której z dużej liczby słabych klasyfikatorów można otrzymać jeden lepszy. Autorami algorytmu są Yoav Freund i Robert Schapire.
  • AdaBoost, short for Adaptive Boosting, is a machine learning algorithm, formulated by Yoav Freund and Robert Schapire. It is a meta-algorithm, and can be used in conjunction with many other learning algorithms to improve their performance. AdaBoost is adaptive in the sense that subsequent classifiers built are tweaked in favor of those instances misclassified by previous classifiers. AdaBoost is sensitive to noisy data and outliers.
  • AdaBoost, Seu nome deriva de Adaptive Boosting(em português, estímulo adaptável), é um algoritmo de Aprendizagem de máquina, inventado por Yoav Freund and Robert Schapire. É uma meta-heurística, e pode ser utilizado em conjunto de outros algoritmos de aprendizagem para aumentar a performance deles. AdaBoost é adaptável no sentido que as classificações subsequentes feitas são ajustadas a favor das instâncias classificadas negativamente por classificões anteriores.
  • AdaBoost (сокращение от Adaptive Boosting) — алгоритм машинного обучения, предложенный Йоавом Фройндом и Робертом Шапиром. Этот алгоритм может использоваться в сочетании со многими другими алгоритмами обучения для улучшения их эффективности. AdaBoost является адаптивным в том смысле, что каждый следующий классификатор строится по объектам, неверно классифицированным предыдущими классификаторами. AdaBoost чувствителен к шуму в данных и выбросам.
  • Adaboost (ou adaptive boosting) est une méthode de boosting introduite par Yoav Freund et Robert Schapire. Ce fut l'une des premières méthodes pleinement fonctionnelles permettant de mettre en œuvre le principe de boosting. Adaboost repose sur la sélection itérative de classifieur faible en fonction d'une distribution des exemples d'apprentissage. Chaque exemple est pondéré en fonction de sa difficulté avec le classifieur courant.
rdfs:label
  • AdaBoost
  • AdaBoost
  • AdaBoost
  • AdaBoost
  • AdaBoost
  • AdaBoost
owl:sameAs
foaf:page
is dbpedia-owl:knownFor of
is dbpedia-owl:wikiPageRedirects of
is dbpprop:knownFor of
is owl:sameAs of
is foaf:primaryTopic of