ブースティング【boosting】
ブースティング
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/10/20 04:55 UTC 版)
ブースティング(英: Boosting)とは、教師あり学習を実行するための機械学習メタアルゴリズムの一種。ブースティングは、Michael Kearns の提示した「一連の弱い学習器をまとめることで強い学習器を生成できるか?」という疑問に基づいている[1]。弱い学習器は、真の分類と若干の相関のある分類器と定義される。対照的に、強い学習器とは真の分類とよく相関する分類器である。
- ^ Michael Kearns. Thoughts on hypothesis boosting. Unpublished manuscript. 1988
- ^ Rob Schapire. Strength of Weak Learnability. Journal of Machine Learning Vol. 5, pages 197-227. 1990
- ^ Yoav Freund. Boosting a weak learning algorithm by majority. Proceedings of the Third Annual Workshop on Computational Learning Theory. 1990
- ^ Nir Krause and Yoram Singer. Leveraging the margin more carefully. In Proceedings of the International Conference on Machine Learning (ICML), 2004.
- ^ Llew Mason, Jonathan Baxter, Peter Bartlett, and Marcus Frean. Boosting algorithms as gradient descent. In S.A. Solla, T.K. Leen, and K.-R. Muller, editors, Advances in Neural Information Processing Systems 12, pages 512--518. MIT Press, 2000
- 1 ブースティングとは
- 2 ブースティングの概要
- 3 アルゴリズム
- 4 例
ブースティング
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/05/14 06:07 UTC 版)
ブースティングとは意図的に引き起こされた自律神経過反射のことで、ドーピング禁止行為には含まれてはいないが、IPCハンドブックなどにより禁止行為とされている。精神的・心理的興奮を促し競技能力が高まることがあるとされるが、脳出血を引き起こす可能性があるなど命に係わる危険行為である。
※この「ブースティング」の解説は、「パラリンピック」の解説の一部です。
「ブースティング」を含む「パラリンピック」の記事については、「パラリンピック」の概要を参照ください。
ブースティング
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2022/05/28 00:38 UTC 版)
「アンサンブル・ラーニング」の記事における「ブースティング」の解説
詳細は「ブースティング」を参照 ブースティングは、多くの弱い分類子を1つの強い分類子にマージする。この一般的な手法にはさまざまな実装があり、最も一般的な実装はAdaBoostである。
※この「ブースティング」の解説は、「アンサンブル・ラーニング」の解説の一部です。
「ブースティング」を含む「アンサンブル・ラーニング」の記事については、「アンサンブル・ラーニング」の概要を参照ください。
- ブースティングのページへのリンク