Taula de continguts:
Definició: què significa AdaBoost?
AdaBoost és un tipus d'algorisme que utilitza un enfocament d'aprenentatge conjunt per ponderar diversos inputs. Va ser dissenyat per Yoav Freund i Robert Schapire a principis del segle XXI. S'ha convertit en alguna cosa com a mètode propi per potenciar diferents tipus de paradigmes en l'aprenentatge de màquines.
Techopedia explica AdaBoost
Els experts parlen d’AdaBoost com una de les millors combinacions ponderades de classificadors, i sensible al soroll i propici per a certs resultats d’aprenentatge automàtic. Alguna confusió resulta de la realitat que AdaBoost es pot utilitzar amb diverses instàncies del mateix classificador amb paràmetres diferents, on els professionals podrien parlar d'AdaBoost "tenint només un classificador" i confondre's sobre com es produeix la ponderació.
AdaBoost també presenta una filosofia particular en l'aprenentatge automàtic: com a eina d'aprenentatge de conjunts, parteix de la idea fonamental que molts estudiants febles poden obtenir millors resultats que una entitat d'aprenentatge més forta. Amb AdaBoost, els experts en aprenentatge automàtic solen elaborar sistemes que requereixen diversos inputs i els combinen per obtenir un resultat optimitzat. Alguns prenen aquesta idea més a prop, parlant de com AdaBoost pot comandar "exèrcits de troncs de decisió" que són essencialment menys sofisticats que utilitzen nombrosos treballadors per esmicolar dades en què aquest enfocament es considera favorablement mitjançant l'ús d'un sol classificador.
