翻訳と辞書 Words near each other ・ AD.POLICE ・ AD/Cycle ・ Ad:tech ・ ad_hoc ・ ADA ・ Ada ・ Ada (ISO 639) ・ Ada95 ・ ADABAS ・ Adabas ・ AdaBoost ・ ADAC ・ ADACHI TRIBE ・ adactylia ・ adage ・ adagio ・ Adam ・ Adam Air ・ Adam Freeland ・ Adam M-309 Dictionary Lists mini英和辞書 mini和英辞書 Webster 1913 Latin-English FOLDOC Wikipedia English ウィキペディア

翻訳と辞書　辞書検索 [ 開発暫定版 ] スポンサード リンク AdaBoost ： ウィキペディア日本語版 AdaBoost AdaBoost(Adaptive Boosting、エイダブースト、アダブースト)は、Yoav FreundとRobert Schapireによって考案された〔Yoav Freund, Robert E. Schapire. "A Decision-Theoretic Generalization of on-Line Learning and an Application to Boosting" , 1995〕機械学習アルゴリズムである。メタアルゴリズムであり、他の多くの学習アルゴリズムと組み合わせて利用することで、そのパフォーマンスを改善することができる。AdaBoostは前の分類機の間違いに応じて調整された次の分類機を作るという意味で適応的(Adaptive)である。AdaBoostはノイズの多いデータや異常値に影響を受ける。しかし、いくつかの場面では、多くの学習アルゴリズムより過剰適合の影響を受けにくい。 AdaBoost は、それぞれの標本に対し、弱い分類器（classifier ）$t$を、$t\; =\; 1$から$t\; =\; T$まで順に適用し、それぞれの分類器が正解したか否かを判断する。間違って分類された標本に対応する重み$D\_$は、より重くされる（あるいは、正しく分類された標本の場合は、重みを減らす）。これらの標本に対する重みから、次のtのループでは正しい分類器を早く探す事が出来る。 == 二分類のアルゴリズム == Given: $(x\_,y\_),\backslash ldots,(x\_,y\_)$ where $x\_\; \backslash in\; X,\backslash ,\; y\_\; \backslash in\; Y\; =\; \backslash$ Initialize $D\_(i)\; =\; \backslash frac,\; i=1,\backslash ldots,m.$ For $t\; =\; 1,\backslash ldots,T$: * Find the classifier $h\_\; :\; X\; \backslash to\; \backslash$ that minimizes the error with respect to the distribution $D\_$: : $h\_\; =\; \backslash underset\; \backslash ;\; \backslash epsilon\_$, where $\backslash epsilon\_\; =\; \backslash sum\_^\; D\_(i)$\ne h_(x_) * if $\backslash epsilon\_\; >\; 0.5$ then stop. * Choose $\backslash alpha\_\; \backslash in\; \backslash mathbf$, typically $\backslash alpha\_=\backslash frac\backslash textrm\backslash frac$ where $\backslash epsilon\_$ is the weighted error rate of classifier $h\_$. * Update: : $D\_(i)\; =\; \backslash frac$ where $Z\_$ is a normalization factor (chosen so that $D\_$ will be a probability distribution, i.e. sum one over all x). Output the final classifier: : $H(x)\; =\; \backslash textrm\backslash left(\; \backslash sum\_^\; \backslash alpha\_h\_(x)\backslash right)$ The equation to update the distribution $D\_$ is constructed so that: : Thus, after selecting an optimal classifier $h\_\; \backslash ,$ for the distribution $D\_\; \backslash ,$, the examples $x\_\; \backslash ,$ that the classifier $h\_\; \backslash ,$ identified correctly are weighted less and those that it identified incorrectly are weighted more. Therefore, when the algorithm is testing the classifiers on the distribution $D\_\; \backslash ,$, it will select a classifier that better identifies those examples that the previous classifer missed. 抄文引用元・出典: フリー百科事典『 ウィキペディア（Wikipedia）』 ■ウィキペディアで「AdaBoost」の詳細全文を読む スポンサード リンク 翻訳と辞書 : 翻訳のためのインターネットリソース Copyright(C) kotoba.ne.jp 1997-2016. All Rights Reserved.