AdaBoost

Idee

Die Idee hinter AdaBoost ist das erstellen mehrere Modelle mit der gleichen Hypothesenklasse als Grundlage. Dies bedeutet die Basis jedes Modells ist beispielsweise immer ein Entscheidungsbaum mit immer der gleichen Tiefe. Diese werden kombiniert um durch gewichtetes Wählen eine möglichst exakte Entscheidung zu treffen.

Algorithmus

Erklärungen

Ausblick

Der vorgestellte Algorithmus kann keine Multi-klassen-Probleme lösen. Hierfür gibt es jedoch Erweiterungen in welchen der Algorithmus trainiert wird. Hierfür wird die Funktion der Gewichtung angepasst und die Hypothese. Die Lösungsansätze verfolgen entweder one-versus-all oder one-versus-one Methoden zur Klassifikation.
Ein beispiel hierfür ist der Samme.R Algorithmus. Genauere Erläuterungen hierzu finden sich in [] und [].

Literatur