Глоссарий ИИ
Полный словарь искусственного интеллекта
Взвешенный пример
Пример обучения, с которым связан вес, указывающий на его относительную важность в алгоритме, эти веса итеративно корректируются в соответствии с ошибками классификации.
Частота ошибок
Доля примеров, неправильно классифицированных классификатором, используемая в AdaBoost для вычисления веса классификатора в окончательном решении и корректировки весов примеров.
Коэффициент Альфа
Вес, присваиваемый каждому слабому классификатору в окончательной модели AdaBoost, вычисляемый на основе его частоты ошибок по формуле α = 0.5 * ln((1-ошибка)/ошибка).
Экспоненциальная функция потерь
Функция потерь, используемая в AdaBoost, которая экспоненциально штрафует ошибки классификации, способствуя тем быстрому исправлению неправильно классифицированных примеров.
Обновление весов примеров
Итеративный процесс в AdaBoost, где веса примеров увеличиваются для неправильно классифицированных и уменьшаются для правильно классифицированных, заставляя следующего ученика сосредоточиться на сложных примерах.
Вес голосования
Множительный коэффициент, применяемый к предсказанию каждого слабого классификатора при окончательном взвешенном голосовании в AdaBoost, основанный на его индивидуальной производительности.
Адаптивное бустирование
Фундаментальный принцип AdaBoost, где алгоритм динамически адаптирует свою стратегию, концентрируясь на самых сложных примерах на каждой итерации.
Итеративное обучение
Последовательный процесс обучения, где каждая новая модель обучается на модифицированной версии исходного набора данных с учетом производительности предыдущих моделей.
Классификационный запас
Мера уверенности классификации, вычисляемая как разница между совокупными весами классификаторов, голосующих за правильный класс, и тех, что голосуют за неправильный класс.
Переобучение в бустинге
Явление, когда модель AdaBoost переобучается на тренировочных данных, особенно когда количество итераций слишком велико или слабые обучающиеся слишком сложны.