Sisällysluettelo:
Määritelmä - mitä AdaBoost tarkoittaa?
AdaBoost on eräänlainen algoritmi, joka käyttää ryhmäoppimislähestymistapaa erilaisten panosten painottamiseen. Sen suunnittelivat Yoav Freund ja Robert Schapire 2000-luvun alkupuolella. Siitä on nyt tullut jonkinlainen menetelmä, joka soveltuu erityyppisiin koneoppimisparadigmien tehostamiseen.
Techopedia selittää AdaBoostin
Asiantuntijat puhuvat AdaBoostista yhdestä parhaimmista painotetusta luokitteluyhdistelmästä - ja yhdestä, joka on herkkä melulle ja edistää tiettyjä koneoppimistuloksia. Jotkut sekaannukset johtuvat siitä tosiasiasta, että AdaBoostia voidaan käyttää saman luokittelijan useiden esiintymien kanssa, joilla on eri parametrit - missä ammattilaiset saattavat puhua AdaBoostista "jolla on vain yksi luokitin" ja sekoittaa kuinka painotus tapahtuu.
AdaBoost esittelee myös tietyn filosofian koneoppimisessa - yhtyeoppimisvälineenä se lähtökohtana on perusidea, että monet heikot oppijat voivat saada parempia tuloksia kuin yksi vahvempi oppimiskokonaisuus. AdaBoost-sovelluksen avulla koneoppimisen asiantuntijat suunnittelevat usein järjestelmiä, jotka ottavat käyttöön useita syötteitä ja yhdistävät ne optimoidun tuloksen saavuttamiseksi. Jotkut suhtautuvat tähän ajatukseen pidemmälle ja puhuvat siitä, kuinka AdaBoost voi komentaa "päätöksenteko-armeijoita", jotka ovat käytännössä vähemmän kehittyneitä suuressa määrin työskenteleviä oppijoita, purkamaan tietoja, kun tämä lähestymistapa nähdään suotuisammin kuin yhden luokittelijan käyttö.
