Dieser Artikel behandelt Boosting im Zusammenhang mit Informatik; zu Boosting als Abart von Doping siehe Boosting (Sport).
Dieser Artikel oder nachfolgende Abschnitt ist nicht hinreichend mit Belegen (beispielsweise Einzelnachweisen) ausgestattet. Angaben ohne ausreichenden Beleg könnten demnächst entfernt werden. Bitte hilf Wikipedia, indem du die Angaben recherchierst und gute Belege einfügst.
Klassifizierung in fünf Klassen. Der durch Boosting erzeugte Klassifikator klassifiziert nur in zwei Klassen.
Boosting (engl. „Verstärken“) ist ein Ensemble-learning-Algorithmus, der mehrere aufeinander aufbauende Klassifikations- oder Regressionsmodelle zu einem einzigen Modell verschmilzt.
Die Idee des Boosting wurde 1990 von Robert Schapire eingeführt.[1] 1997 veröffentlichten Yoav Freund und Schapire den AdaBoost-Algorithmus.[2] Der Name kommt von der Art, wie der Algorithmus mit den Fehlern der schwächeren Klassifizierer umgeht: Er passt sich diesen an (engl. „adjusts adaptively“), indem jedes nachfolgende Modell das vorhergehende Modell verbessert.
↑Robert Schapire: The strength of weak learnability. In: Machine Learning. Band5, Nr.2, 1990, S.197–227, doi:10.1007/BF00116037.
↑Yoav Freund, Robert E Schapire: A Decision-Theoretic Generalization of On-Line Learning and an Application to Boosting. In: Journal of Computer and System Sciences. Band55, Nr.1, 1997, S.119–139, doi:10.1006/jcss.1997.1504.