Glossário IA
O dicionário completo da Inteligência Artificial
Amostra Ponderada
Exemplo de treinamento ao qual é associado um peso indicando sua importância relativa no algoritmo, sendo esses pesos ajustados iterativamente de acordo com os erros de classificação.
Taxa de Erro
Proporção de exemplos mal classificados por um classificador, utilizada no AdaBoost para calcular o peso do classificador na decisão final e ajustar os pesos dos exemplos.
Coeficiente Alfa
Peso atribuído a cada classificador fraco no modelo final AdaBoost, calculado a partir de sua taxa de erro de acordo com a fórmula α = 0.5 * ln((1-erro)/erro).
Perda Exponencial
Função de perda utilizada pelo AdaBoost que penaliza exponencialmente os erros de classificação, favorecendo assim uma correção rápida dos exemplos mal classificados.
Atualização do Peso da Amostra
Processo iterativo no AdaBoost onde os pesos dos exemplos são aumentados para os mal classificados e diminuídos para os bem classificados, forçando o próximo aprendiz a se concentrar nos exemplos difíceis.
Peso de Votação
Coeficiente multiplicativo aplicado à previsão de cada classificador fraco durante a votação ponderada final no AdaBoost, baseado em seu desempenho individual.
Boosting Adaptativo
Princípio fundamental do AdaBoost onde o algoritmo adapta dinamicamente sua estratégia, concentrando-se nos exemplos mais difíceis a cada iteração.
Treinamento Iterativo
Processo de treinamento sequencial onde cada novo modelo é formado em uma versão modificada do conjunto de dados original, levando em consideração o desempenho dos modelos anteriores.
Margem de Classificação
Medida de confiança de uma classificação calculada como a diferença entre os pesos cumulativos dos classificadores que votam na classe correta e aqueles que votam na classe incorreta.
Overfitting em Boosting
Fenômeno em que um modelo AdaBoost sobreajusta os dados de treinamento, especialmente quando o número de iterações é muito alto ou os aprendizes fracos são muito complexos.