adaBoost

AdaBoost هي تقنية قوية تستخدم في التعلم الآلي وعلوم البيانات لإنشاء خوارزميات قوية تعزز القدرات التنبؤية. إنه نوع معزز تكراري من خوارزمية التعلم التلوي المجمعة. الهدف من خوارزمية AdaBoost هو تحسين صحة نموذج التعلم الضعيف وإنشاء نموذج محسن وأكثر قوة.

يعمل AdaBoost من خلال الجمع بين مجموعة من النماذج الضعيفة، أو "المتعلمين الضعفاء"، في نموذج واحد أكثر قوة. ويتم تدريب كل متعلم ضعيف على جوانب مختلفة من البيانات، ويتكون النموذج النهائي من مساهمات كل منهم. وباستخدام العديد من المتعلمين الضعفاء، يمكن للنموذج أن يتعلم أنماطًا أكثر تعقيدًا في البيانات مما يمكن لمتعلم قوي واحد أن يتعلمه.

مفتاح AdaBoost هو اختيار المتعلمين الضعفاء. لاختيار أفضل مجموعة ممكنة من المتعلمين الضعفاء، يطبق AdaBoost نظام الترجيح على كل نقطة بيانات. يزداد وزن نقطة البيانات إذا تم تصنيفها بشكل غير صحيح من قبل متعلم ضعيف، وينخفض إذا تم تصنيفها بشكل صحيح. يسمح نظام الترجيح هذا لـ AdaBoost بالتركيز على نقاط البيانات التي يصعب تصنيفها، وتشكيل نموذج أفضل.

يعد AdaBoost مفيدًا لمشكلات التصنيف، حيث أنه يبني نموذجًا قويًا يمكنه تصنيف نقاط البيانات بدقة، حتى مع البيانات المزعجة أو غير المكتملة. يعد AdaBoost مفيدًا أيضًا في حل مشكلات الانحدار، حيث يمكنه تقليل متوسط الخطأ التربيعي من خلال الجمع بين تنبؤات المتعلم الفردي الضعيف.

بشكل عام، يعد AdaBoost أداة قوية يمكن استخدامها لإنشاء نماذج قوية للتعلم الآلي بسهولة، حتى مع البيانات غير الكاملة أو المزعجة. إنها واحدة من خوارزميات التعزيز الأكثر استخدامًا على نطاق واسع، وتستخدم في مجموعة متنوعة من التطبيقات مثل تسجيل الائتمان، ورؤية الكمبيوتر، والتعرف على الصور، والتعرف على الكلام، والكشف عن الشذوذ.