Você pode compartilhar seu conhecimento, melhorando-o ( como? ) De acordo com as recomendações dos projetos correspondentes .
Consulte a lista de tarefas a serem realizadas na página de discussão .
BoostingSubclasse | Metaheurística |
---|---|
Aspecto de | Aprendizagem supervisionada |
O impulso é um campo de aprendizado de máquina (ramo da inteligência artificial ). É um princípio que reúne muitos algoritmos baseados em conjuntos de classificadores binários: o boosting otimiza seu desempenho.
O princípio vem da combinação de classificadores (também chamados de hipóteses). Por sucessivas iterações, o conhecimento de um classificador fraco - classificador fraco - é adicionado ao classificador final - classificador forte .
Chamamos de aluno fraco um algoritmo que fornece classificadores fracos, capaz de reconhecer duas classes pelo menos tão bem quanto o faria (isto é, não é errado mais de uma vez em duas médias, se a distribuição das classes for equilibrada). O classificador fornecido é ponderado pela qualidade de sua classificação: quanto melhor classificar, mais importante será. Exemplos mal classificados são potencializados para que tenham mais importância vis-à-vis o aluno fraco na próxima rodada, de modo que compensem a falta.
Um dos algoritmos mais usados em boosting é chamado AdaBoost , abreviação de boosting adaptativo .
O boosting é baseado na teoria de aprendizagem CAP .
O método Adaboost pode ser visto como um caso especial do método de peso multiplicativo .