Machine Learning : Supervised - AdaBoost - Qiita目標 アダブーストの数式を理解する。 微分積分が既習であることを前提としています。 理論 アダブーストは、複数の弱識別器を段階的に学習するブースティングと呼ばれるアンサンブル学習の 1つです。 ブースティング ブースティングは複数の弱識別器を、1つ前の弱識別器の学習結果に基づいて次の弱識別器を学習していきます。こうすることで、次の弱識別器は 1つ前の弱識別器において上手く学習できなかったデータに対して専念することができるようになります。 バギングでは複数の弱識別器を独立に並列で学習していたのに対して、ブースティングでは複数の弱識別器を直列に学習します。 アダブーストによる分類 ブースティングの代表的なアルゴリズムとして、アダブースト (Adaptive Boosting: AdaBoost) があります。アダブーストは正しく識別された学習データに対して小さな値の重み付けを、誤って識別された
