الگوریتم آدابوست  

الگوریتم آدابوست

الگوریتم آدابوست مخفف بوستینگ(ارتقاء) تطبیقی بوده و یک الگوریتم یادگیری ماشین است که توسط یاو فروند و رابرت شاپیر ابداع شد. در واقع الگوریتم آدابوست یک متا الگوریتم است که بمنظور ارتقاء عملکرد(افزایش دقت کلاسبندی) همراه دیگر الگوریتم‌های یادگیری استفاده می‌شود. در این الگوریتم، کلاسبند هر مرحله جدید به نفع نمونه‌های غلط کلاسبندی شده در مراحل قبل تنظیم می‌گردد.
هدف الگوریتم آدابوست افزایش میزان یادگیری کلاسبندها هست. این الگوریتم با ترکیب چند کلاسبند ضعیف یک مرز مناسب جهت تفکیک داده‌های بین دوکلاس بدست می آورد.
شعار کلاسبند ها همیشه به نفع داده هایی که در مرحله قبل به اشتباه کلاسبندی شده اند، عمل می کنیم. الگوریتم آدابوست نسبت به داده‌های نویزی و پرت حساس است؛ ولی نسبت به مشکل بیش برازش از بیشتر الگوریتم‌های یادگیری برتری دارد.

الگوریتم آدابوست

آدابوست

کلاسبند ضعیف

فقط کافیست از طبقه بند نصادفی(۵۰٪) (برای داده های دو کلاسه التبه)بهتر باشد و به این ترتیب بهبود عملکرد الگوریتم با تکرارهای بیشتر بهبود می‌یابد. حتی کلاسبندهای با خطای بالاتر از تصادفی با گرفتن ضریب منفی عملکرد کلی را بهبود می‌بخشند.  در الگوریتم آدابوست در هر دور یک طبقه بند ضعیف اضافه می‌شود. در هر فراخوانی بر اساس اهمیت نمونه‌ها، وزن‌های نمونه های آموزشی براساس خطای کلاسبندی بروز می‌شوند.
در هر دور وزن نمونه‌های غلط طبقه‌بندی شده افزایش و وزن نمونه‌های درست طبقه‌بندی شده کاهش داده می‌شود(و یا ثابت می ماند)؛ بنابراین کلاسبند جدید تمرکز بر نمونه‌هایی که سخت تر یادگرفته می‌شوند، خواهند داشت.

 

الگوریتم آدابوست

الگوریتم آدابوست

 

جهت آشنایی کامل با الگوریتم آدابوست پیشنهاد می کنیم حتما ویدیوی زیر را مشاهده کنید


اولین کانال آموزش رایگان دروس مربوط به رشته ی مهندسی پزشکی

 لینک کانال  

سوالات و دیدگاه خود را درباره ی این پست با ما درمیان بگذارید

2 پاسخ
    • مهتاب فرجی
      مهتاب فرجی says:

      سلام. باتشکر. چشم در هفته های آینده فیلم آموزشی مربوط به این الگوریتم در سایت قرار داده خواهد شد. میتوانید ویدئوهای بیشتر را از طریق کانال تلگرام دنبال کنید.

      پاسخ دادن

دیدگاه خود را ثبت کنید

Want to join the discussion?
Feel free to contribute!

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *