Table des matières:
Définition - Que signifie AdaBoost?
AdaBoost est un type d'algorithme qui utilise une approche d'apprentissage d'ensemble pour pondérer diverses entrées. Il a été conçu par Yoav Freund et Robert Schapire au début du 21e siècle. Il est maintenant devenu une méthode incontournable pour différents types de renforcement dans les paradigmes d'apprentissage automatique.
Techopedia explique AdaBoost
Les experts considèrent AdaBoost comme l'une des meilleures combinaisons de classificateurs pondérés - et qui est sensible au bruit et propice à certains résultats d'apprentissage automatique. Une certaine confusion résulte de la réalité selon laquelle AdaBoost peut être utilisé avec plusieurs instances du même classificateur avec différents paramètres - où les professionnels pourraient parler d'AdaBoost "n'ayant qu'un seul classificateur" et être confus quant à la façon dont la pondération se produit.
AdaBoost présente également une philosophie particulière de l'apprentissage automatique - en tant qu'outil d'apprentissage d'ensemble, il part de l'idée fondamentale que de nombreux apprenants faibles peuvent obtenir de meilleurs résultats qu'une entité d'apprentissage plus forte. Avec AdaBoost, les experts en apprentissage automatique conçoivent souvent des systèmes qui acceptent un certain nombre d'entrées et les combinent pour un résultat optimisé. Certains poussent cette idée dans une autre mesure, expliquant comment AdaBoost peut commander des «armées de souches de décision» qui sont essentiellement des apprenants moins sophistiqués employés en grand nombre pour analyser des données, où cette approche est perçue favorablement par rapport à l'utilisation d'un classificateur unique.
