Глоссарий ИИ
Полный словарь искусственного интеллекта
Взвешивание примеров
Основной механизм AdaBoost, присваивающий вес обучающим экземплярам, постепенно увеличивая вес неверно классифицированных примеров, чтобы заставить последующие классификаторы сосредоточиться на них.
Альфа (α) AdaBoost
Весовой коэффициент, рассчитываемый для каждого слабого классификатора на основе его ошибки классификации, определяющий его влияние при финальном голосовании ансамблевой модели.
Экспоненциальная функция потерь
Целевая функция, оптимизируемая AdaBoost, которая экспоненциально штрафует ошибки классификации, математически обосновывая стратегию перевзвешивания сложных примеров.
SAMME
Многоклассовый вариант AdaBoost (Stagewise Additive Modeling using a Multi-class Exponential loss function), расширяющий исходный бинарный алгоритм на задачи классификации более чем с двумя классами.
SAMME.R
Расширение SAMME, использующее вероятности предсказания классификаторов вместо жестких меток классов, обеспечивающее более быструю сходимость и лучшие теоретические показатели.
Взвешенная ошибка классификации
Метрика оценки, используемая в AdaBoost, которая вычисляет сумму весов неверно классифицированных примеров, деленную на общую сумму весов, определяя производительность каждого слабого классификатора.
Сходимость AdaBoost
Теоретическое свойство, гарантирующее, что ошибка обучения AdaBoost уменьшается экспоненциально с количеством итераций, пока слабые классификаторы остаются лучше случайного угадывания.
Стохастический AdaBoost
Вариант AdaBoost, использующий случайную подвыборку обучающих данных на каждой итерации, что сокращает время вычислений и улучшает обобщающую способность за счет введения разнообразия.
Ранняя остановка в AdaBoost
Техника преждевременной остановки обучения AdaBoost, основанная на результатах на валидационном наборе, для предотвращения переобучения и оптимизации оптимального количества классификаторов.