ผู้เรียนที่ 'อ่อนแอ' (classifer, predictor, etc) เป็นเพียงคนที่ทำงานได้ไม่ดีนัก - ความแม่นยำของมันนั้นเหนือโอกาส แต่ก็แทบจะไม่ มักจะมี แต่ไม่เสมอไปความหมายที่เพิ่มเข้ามานั้นเป็นเรื่องง่ายในการคำนวณ ผู้เรียนที่อ่อนแอยังแสดงให้เห็นว่าหลาย ๆ กรณีของอัลกอริธึมกำลังถูกรวมเข้าด้วยกัน
มันถูกกล่าวถึงในกระดาษ AdaBoost ดั้งเดิมโดย Freund & Schapire:
บางทีสิ่งที่น่าประหลาดใจที่สุดของแอปพลิเคชั่นเหล่านี้คือการได้มาของแอพพลิเคชั่นใหม่สำหรับ "การเพิ่ม" เช่นการแปลงอัลกอริทึมการเรียนรู้ PAC "อ่อนแอ" ที่ทำงานได้ดีกว่าการสุ่มแบบสุ่มเพียงเล็กน้อย - (Freund & Schapire, 1995)
แต่ฉันคิดว่าวลีนี้แก่กว่าจริง ๆ แล้ว - ฉันเคยเห็นผู้คนอ้างถึงเอกสารคำศัพท์ (?!) โดย Michael Kearns ในช่วงทศวรรษ 1980
ตัวอย่างแบบคลาสสิกของผู้เรียนที่อ่อนแอคือ Decision Stump ต้นไม้การตัดสินใจระดับเดียว (1R หรือ OneR เป็นผู้เรียนที่อ่อนแอคนหนึ่งที่ใช้กันทั่วไป มันค่อนข้างแปลกที่จะเรียก SVM ว่า 'ผู้เรียนที่อ่อนแอ' แม้ในสถานการณ์ที่มันทำงานได้ไม่ดี แต่มันก็สมเหตุสมผลดีที่จะเรียกการตัดสินใจเพียงครั้งเดียวว่าตอเป็นผู้เรียนที่อ่อนแอแม้ว่ามันจะทำงานได้ดีอย่างน่าประหลาดใจ
Adaboost เป็นอัลกอริทึมซ้ำและโดยทั่วไปหมายถึงจำนวนการวนซ้ำหรือ "ปัดเศษ" อัลกอริทึมเริ่มต้นด้วยการฝึกอบรม / ทดสอบผู้เรียนที่อ่อนแอเกี่ยวกับข้อมูลโดยให้น้ำหนักแต่ละตัวอย่างเท่า ๆ กัน ตัวอย่างที่ไม่ถูกต้องจะทำให้น้ำหนักของพวกเขาเพิ่มขึ้นสำหรับรอบต่อไปในขณะที่น้ำหนักที่ถูกจัดประเภทอย่างถูกต้องจะลดน้ำหนักลง
T
ฉันไม่แน่ใจว่ามีมนต์ขลังอะไรเกี่ยวกับTในปี 1995 กระดาษให้เป็นพารามิเตอร์อิสระ (เช่นคุณตั้งค่าด้วยตัวคุณเอง)TT= 10T