目录:
定义-AdaBoost是什么意思？
AdaBoost是一种算法，它使用集成学习方法对各种输入进行加权。 它是由Yoav Freund和Robert Schapire在21世纪初设计的。 现在，它已成为某种形式的机器学习范例中各种增强方法的首选方法。
Techopedia解释了AdaBoost
专家们将AdaBoost视为分类器的最佳加权组合之一，并且它对噪声敏感并且有利于某些机器学习结果。 AdaBoost可以与具有不同参数的同一分类器的多个实例一起使用的事实引起了一些混淆–专业人士可能会谈论AdaBoost“仅具有一个分类器”，并对权重如何发生感到困惑。
AdaBoost还提出了一种特殊的机器学习哲学–作为一种整体学习工具，它源于一个基本思想，即许多弱学习者比一个强大的学习实体可以获得更好的结果。 借助AdaBoost，机器学习专家经常可以制作出许多输入并将其组合以获得最佳结果的系统。 一些人将这个想法进一步扩展，谈论AdaBoost如何命令“决策树桩”，这些树桩本质上是不太熟练的学习者，大量使用它们来处理数据，在这种情况下，使用单个分类器比使用这种方法更有利。
