Glossário IA
O dicionário completo da Inteligência Artificial
Ponderação de Exemplos
Mecanismo fundamental do AdaBoost que atribui pesos às instâncias de treinamento, aumentando progressivamente o peso dos exemplos mal classificados para forçar os classificadores subsequentes a se concentrarem neles.
Alfa (α) do AdaBoost
Coeficiente de ponderação calculado para cada classificador fraco com base em seu erro de classificação, determinando sua influência no voto final do modelo de conjunto.
Função de Perda Exponencial
Função objetivo otimizada pelo AdaBoost que penaliza exponencialmente os erros de classificação, justificando matematicamente a estratégia de reponderação dos exemplos difíceis.
SAMME
Variante multi-classe do AdaBoost (Stagewise Additive Modeling using a Multi-class Exponential loss function) que estende o algoritmo binário original para problemas de classificação com mais de duas classes.
SAMME.R
Extensão do SAMME que utiliza as probabilidades de previsão dos classificadores em vez das etiquetas de classe rígidas, oferecendo uma convergência mais rápida e melhores desempenhos teóricos.
Erro de Classificação Ponderado
Métrica de avaliação utilizada no AdaBoost que calcula a soma dos pesos dos exemplos mal classificados dividida pela soma total dos pesos, determinando o desempenho de cada classificador fraco.
Convergência do AdaBoost
Propriedade teórica que garante que o erro de treinamento do AdaBoost diminui exponencialmente com o número de iterações, desde que os classificadores fracos permaneçam melhores que o acaso.
Stochastic AdaBoost
Variante do AdaBoost que utiliza uma subamostragem aleatória dos dados de treinamento a cada iteração, reduzindo o tempo de cálculo e melhorando a generalização ao introduzir diversidade.
Early Stopping em AdaBoost
Técnica de interrupção precoce do treinamento do AdaBoost baseada no desempenho em um conjunto de validação para evitar o overfitting e otimizar o número ideal de classificadores.